1.基于高斯相似度的红外目标检测方法，其特征在于，包括以下步骤：

S1：获取待检测的热红外图像，得到灰度图像矩阵；

S2：构建面核，并利用所述面核对灰度图像矩阵进行滤波，得到候选目标像素点集合；

S3：将候选目标像素点集合映射至热红外图像中，对每个候选目标像素点进行如下处理：在热红外图像中以候选目标像素点为中心构建一个n×n矩形窗口，并基于n×n矩形窗口构建纵向灰度分布向量和横向灰度分布向量；

S4：从标准高斯曲线上对称截取高斯子曲线，基于高斯子曲线构建得到高斯函数向量，基于高斯函数向量对每个候选目标像素点进行相似度分析，得到目标像素点集合；所述相似度分析的具体方法如下：基于高斯函数向量计算得到候选目标像素点的横向灰度分布相似度和纵向灰度分布相似度，若候选目标像素点的横向灰度分布相似度大于等于相似度阈值且纵向灰度分布相似度大于相似度阈值，则将候选目标像素点认定为目标像素点；

S5：基于目标像素点集合构建得到红外目标的检测图像。

2.根据权利要求1所述的基于高斯相似度的红外目标检测方法，其特征在于，步骤S2中，得到候选目标像素点集合的方法为：将灰度图像矩阵与面核进行卷积增强得到映射矩阵，判断映射矩阵中的元素是否大于等于阈值，若是，则元素对应的像素点为候选目标像素点，基于所有候选目标像素点构建得到候选目标像素点集合。

3.根据权利要求1所述的基于高斯相似度的红外目标检测方法，其特征在于，步骤S4中，基于高斯子曲线构建得到高斯函数向量的方法如下：在高斯子曲线上沿横轴等间距的选取矩形窗口边长，选取对应的点，并获取被选取点的纵坐标值，将获取得到的纵坐标值作为向量元素构建得到高斯函数向量。

4.根据权利要求3所述的基于高斯相似度的红外目标检测方法，其特征在于，所述横向灰度分布相似度的计算如公式（2）所示：，

式中： 为横向灰度分布相似度， 为横向灰度分布向量中的元素， 为选取的矩形窗口边长， 为横向灰度向量中的元素均值， 为高斯函数向量中的元素， 为高斯函数向量中所有元素的平均值；

所述纵向灰度分布相似度的计算如公式（3）所示：

，

式中： 为纵向灰度分布相似度， 为纵向灰度分布向量中的元素， 为纵向灰度向量中的元素均值。

5.根据权利要求1所述的基于高斯相似度的红外目标检测方法，其特征在于，步骤S2中，在利用所述面核对灰度图像矩阵进行滤波前，还采用顺序统计滤波法去除灰度图像矩阵中的杂波突出点。

6.根据权利要求1所述的基于高斯相似度的红外目标检测方法，其特征在于，步骤S3中，纵向灰度分布向量的构建过程为：获取n×n正方形窗口内沿正方形窗口纵轴分布的像素点的灰度值作为向量元素构建得到纵向灰度分布向量；横向灰度分布向量的构建过程为：获取n×n正方形窗口内沿正方形窗口横轴分布的灰度值作为向量元素构建得到横向灰度分布向量。

7.基于高斯相似度的红外目标检测装置，用于实现如权利要求1‑6中任一项所述的基于高斯相似度的红外目标检测方法的步骤，其特征在于，包括：数据获取模块：用于获取待检测的热红外图像，并得到灰度图像矩阵；

筛选模块：用于构建面核，并利用所述面核对灰度图像矩阵进行滤波，得到候选目标像素点集合；

向量构建模块：用于构建得到横向灰度分布向量、纵向灰度分布向量和高斯函数向量；

相似度分析模块：用于对候选目标像素点进行相似度分析，得到目标像素点；

图像构建模块：用于基于目标像素点集合构建得到红外目标的检测图像。

8.根据权利要求7所述的基于高斯相似度的红外目标检测装置，其特征在于，所述检测装置还包括去杂波模块，所述去杂波模块用于采用顺序统计滤波法对去除灰度图像矩阵中的杂波突出点。

9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的基于高斯相似度的红外目标检测方法的步骤。

10.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器，以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至6中任一项所述的基于高斯相似度的红外目标检测方法的步骤。