1.一种红外夜视场景下小目标检测方法，其特征在于，包括以下步骤：

采集夜间带有小目标的图像或视频；

对采集到的图像或视频进行逐帧分析，筛选剔除不含有预设的小目标的杂点图像，得到有效数据并统合形成有效数据集；

对有效数据分别做高斯加噪、椒盐加噪、变明处理以及变暗处理并分别保存得到扩充数据，并统合形成扩充数据集；

利用k‑means++算法对扩充数据进行聚类分析，其中k‑means++算法按如下原则选取K个聚类中心：假设已经选取了n个聚类中心(0

对YOLOv4模型中的主干网CSPDarknet53进行优化，具体优化为：对CSPDarknet53网络中的每个小残差块做加深处理，将卷积层设置的stride设定为1，并将小残差块的卷积层数在原有基础上增加两层，得到新的主干网CSPDarknet53‑deeper；

对优化后的YOLOv4模型训练形成新的检测模型；

通过新的检测模型对扩充数据进行目标检测。

2.根据权利要求1所述的一种红外夜视场景下小目标检测方法，其特征在于，k‑means++选取K个聚类中心的具体步骤为：选取若干随机点作为“种子点”，对于每个随机点都计算其和最近的一个“种子点”的距离D(x)并保存在一个数组里，然后把这些距离加起来得到Sum(D(x))；

再取一个随机值，用权重方式来取计算下一个“种子点”；该权重方式计算原则为：先取一个能落在Sum(D(x))中的随机值Random，然后令Random＝Random‑D(x)，直到Random≤0，此时的点就是下一个“种子点”；

重复上述步骤直到得到K个聚类中心。

3.根据权利要求1所述的一种红外夜视场景下小目标检测方法，其特征在于，对YOLOv4模型的优化还包括：将YOLOv4的input shape设置为640*640，以使卷积层获取更多的目标特征。

4.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑3任一项所述方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑3任一项所述方法的步骤。