1.一种基于形态分量分析的视觉振动放大方法，其特征在于，所述方法包括：S100：获取包括目标对象的视频文件，确定所述目标对象在所述视频文件中每帧图像中的感兴趣区域；

S200：构造表征所述视频文件每帧图像中感兴趣区域的结构分量；构造表征所述视频文件中每帧图像感兴趣区域的纹理分量；

S300：分离所述感兴趣区域中的结构分量和纹理分量，将分离出的结构分量和纹理分量，结合欧拉视角放大所述感兴趣区域的微振动信号，重构包含目标对象的放大视频文件。

2.根据权利要求1所述的一种基于形态分量分析的视觉振动检测方法，其特征在于，所述步骤S200包括：

构建品质因子可调小波字典用于表征图像的结构成分，构建局部离散余弦变换与离散正弦变换字典用于表示图像的纹理成分。

3.根据权利要求2所述的一种基于形态分量分析的视觉振动检测方法，其特征在于，所述分离感兴趣区域中的结构分量和纹理分量的步骤包括：利用MCA方法对视频文件的每帧图像的感兴趣区域进行分离，获得每帧图像的结构分量纹理分量以及噪声分量；

构建基于广义高斯密度分布的阈值选择算法，确定所述纹理分量和所述结构分量的硬阈值；

根据所述纹理分量和所述结构分量的硬阈值，通过迭代阈值法求解结构分量和纹理分量。

4.根据权利要求1所述的一种基于形态分量分析的视觉振动检测方法，其特征在于，所述确定目标对象在视频文件中每帧图像中感兴趣区域的步骤包括：构建SVM识别模型，将所述视频文件数据的某一帧图像输入所述SVM识别模型，获取所述目标对象的关键区域，作为感兴趣区域；其中所述SVM识别模型是通过训练集训练得到的。

5.根据权利要求4所述的一种基于形态分量分析的视觉振动检测方法，其特征在于，所述训练集的获取步骤包括：

获取包含目标对象的多组图像，采用分水岭算法，分割出每一组图像的候选区域，所述每个候选区域内只包含所述目标对象的一组关键对象，对所述候选区域进行标记；

采用滑动窗口的方式，将带有关键对象标记的候选区域图像块作为正例，将无关键对象标记的背景图像块作为负例，构建多值分类的训练集。

6.根据权利要求1所述的一种基于形态分量分析的视觉振动检测方法，其特征在于，结合欧拉视角放大所述感兴趣区域的微振动信号，重构包含目标对象的放大视频文件数据的步骤包括：

根据所述视频文件中每帧图像结构分量中各个像素的亮度变化来表征目标对象的振动变化，获得视觉振动信号；

接收放大倍数，将所述放大倍数乘以视觉振动信号，再将每帧图像结构分量中各个像素的亮度变化加上放大后的视觉振动信号；

根据目标对象的理论频带范围设计带通滤波，使得感兴趣区域在特定的频带中振动幅度放大；

将所述感兴趣区域放大后的结构分量与纹理分量重新组合以生成振动放大视频。

7.一种基于形态分量分析的视觉振动检测方法，包括其特征在于：将获得的视觉振动信号，通过快速傅里叶变换，获得视觉振动信号对应的频谱；

将所述视觉振动信号对应的频谱结合权利要求1‑6任意一项获得的振动放大视频，对目标对象的振动情况检测。

8.一种基于形态分量分析的视觉振动放大系统，其特征在于，包括：提取模块，其用于获取包括目标对象的视频文件，确定所述目标对象在所述视频文件中每帧图像中感兴趣区域；

构造模块，其用于构造表征所述视频文件每帧图像感兴趣区域的结构成分；构造表征所述视频文件每帧图像感兴趣区域的纹理成分；及重构模块，其用于分离所述感兴趣区域中的结构分量和纹理分量，将分离出的结构分量和纹理分量，结合欧拉视角放大所述感兴趣区域的微振动信号，重构包含目标对象的放大视频文件。

9.一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1‑6任一项所述的方法。

10.一种可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1‑6任一项所述的方法。