1.一种消防占道异常物体检测方法，其特征在于，该方法包括以下步骤：

采集消防安全通道图像进行灰度化处理，获取消防安全通道灰度图像；

利用密度聚类算法将消防安全通道灰度图像划分为若干个聚类簇；获取每个聚类簇的灰度直方图并记为聚类簇的原始灰度直方图；根据每个聚类簇的灰度共生矩阵的熵和逆方差获取每个聚类簇的纹理复杂度；

根据每个聚类簇的纹理复杂度获取对原始灰度直方图进行高斯拟合后的高斯混合模型中的子高斯模型个数；根据子高斯模型个数获取每个聚类簇的高斯混合模型，所述高斯混合模型包含若干子高斯模型；根据每个聚类簇的高斯混合模型中相邻子高斯模型之间的相邻度和均值间距获取相邻子高斯模型之间的扩展度；根据相邻子高斯模型的扩展度获取相邻子高斯模型调整后的均值间距；根据相邻子高斯模型调整后的均值间距获取相邻子高斯模型的均值调整值；根据相邻子高斯模型的均值调整值对高斯混合模型中的相邻子高斯模型进行调整，获得每个聚类簇调整后的高斯混合模型；

根据每个聚类簇调整后的高斯混合模型调整聚类簇的原始灰度直方图，将调整后的原始灰度直方图记为参考直方图；根据参考直方图对原始直方图进行直方图规定化处理，得到消防安全通道图像的增强图像；

根据消防安全通道图像的增强图像检测消防安全通道中的异常物体。

2.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据每个聚类簇的灰度共生矩阵的熵和逆方差获取每个聚类簇的纹理复杂度，包括的具体计算公式为：其中， 表示第 个聚类簇的纹理复杂度，通过线性归一化处理使 ， 表示第 个聚类簇的灰度共生矩阵中处于第行、第列的数值，和分别表示灰度共生矩阵的第行和第列。

3.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据每个聚类簇的纹理复杂度获取对原始灰度直方图进行高斯拟合后的高斯混合模型中的子高斯模型个数，包括的具体计算公式为：其中， 表示对第 个聚类簇的灰度直方图进行高斯拟合形成的高斯混合模型中子高斯模型个数， 表示第 个聚类簇的纹理复杂度， 表示以自然常数为底的指数函数；

表示对子高斯模型个数向上取整， 表示双曲正切函数，为超参数。

4.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据每个聚类簇的高斯混合模型中相邻子高斯模型之间的相邻度和均值间距获取相邻子高斯模型之间的扩展度，包括的具体方法为：在每个聚类簇的高斯混合模型中，根据相邻的子高斯模型的均值大小对相邻子高斯模型进行排序，将高斯混合模型划分为若干对相邻子高斯模型，根据线性归一化方法对第 个高斯混合模型中第对相邻子高斯模型之间的扩展度进行归一化处理：其中， 表示第 个高斯混合模型中第 对相邻子高斯模型之间的扩展度， 表示第个聚类簇的高斯混合模型中第对相邻子高斯模型中第一个子高斯模型的均值， 表示第 个聚类簇的高斯混合模型中第 对相邻子高斯模型中第二个子高斯模型的均值，表示均值间距， 表示高斯混合模型中相邻子高斯模型之间的相邻度。

5.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述高斯混合模型中相邻子高斯模型之间的相邻度的获取方式为：将每个聚类簇的高斯混合模型中相邻的两个子高斯模型的均值形成数值对，在聚类簇的灰度共生矩阵中找到该数值对在矩阵中对应的元素，将在灰度共生矩阵中找到的元素记作子高斯模型与其相邻的子高斯模型之间的相邻度。

6.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据相邻子高斯模型的扩展度获取相邻子高斯模型调整后的均值间距，包括的具体计算方式为：其中， 表示调整后第 个高斯混合模型中第 对相邻子高斯模型中第一个子高斯模型和第二个子高斯模型的均值间距， 表示第 个高斯混合模型中第对相邻子高斯模型之间的扩展度， 表示第 个聚类簇的高斯混合模型中第对相邻子高斯模型中第一个子高斯模型的均值， 表示第 个聚类簇的高斯混合模型中第对相邻子高斯模型中第二个子高斯模型的均值， 表示双曲正切函数。

7.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据相邻子高斯模型调整后的均值间距获取相邻子高斯模型的均值调整值，包括的具体方法为：计算调整后的相邻子高斯模型的均值间距与调整前的相邻子高斯模型的均值间距的差值，将差值的二分之一作为对应的相邻子高斯模型的均值调整值。

8.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据相邻子高斯模型的均值调整值对高斯混合模型中的相邻子高斯模型进行调整，获得每个聚类簇调整后的高斯混合模型，包括的具体方法为：分三种情况对每个聚类簇的高斯混合模型进行调整：

（1）当预设的高斯混合模型中子高斯模型个数为1时，不对子高斯模型进行调整；

（2）当预设的高斯混合模型中子高斯模型个数为2时：

其中， 和 分别表示第 个包含两个子高斯模型的高斯混合模型中调整后的第一个子高斯模型和第二个子高斯模型，表示高斯混合模型的自变量， 和 分别表示第 个包含两个子高斯模型的高斯混合模型中第一个子高斯模型和第二个子高斯模型的标准差， 和 分别表示包含第 个包含两个子高斯模型的高斯混合模型中第一个子高斯模型和第二个子高斯模型的均值， 表示第 个包含两个子高斯模型的高斯混合模型的均值调整值；

（3）当预设的高斯混合模型中子高斯模型个数为3时：

将高斯混合模型划分为两对相邻子高斯模型，分别计算两对相邻子高斯模型的均值调整值，根据获取的两对相邻子高斯模型的均值调整值对高斯混合模型中均值最大和均值最小的子高斯模型按照调整子高斯模型个数为2的高斯混合模型的方法对均值最大和均值最小的子高斯模型进行调整；

对于处于中间位置的子高斯模型，计算其与两个相邻子高斯模型的扩展度，根据扩展度大的相邻子高斯模型确定处于中间位置的子高斯模型的均值调整值：对比两对相邻子高斯模型的扩展度，根据最大的扩展度得到的均值调整值并作为处于中间位置的子高斯模型的均值调整值，根据获取的均值调整值按照调整子高斯模型个数为2的高斯混合模型的方法对处于中间位置的子高斯模型进行调整，获得调整后的高斯混合模型。

9.根据权利要求1所述一种消防占道异常物体检测方法，其特征在于，所述根据消防安全通道图像的增强图像检测消防安全通道中的异常物体，包括的具体方法为：将所得消防安全通道图像的增强图像作为训练集输入YOLOV3神经网络检测到的目标的位置信息，根据视频采集装置下目标的位置变化获得目标的运行速度和轨迹，若目标的运行轨迹在预设时间间隔内出现相交，则触发警报。

10.一种消防占道异常物体检测系统，其特征在于，该系统包括以下模块：

图像采集模块，用于采集消防安全通道图像进行灰度化处理，获取消防安全通道灰度图像；

纹理复杂度获取模块，用于利用密度聚类算法将消防安全通道灰度图像划分为若干个聚类簇；获取每个聚类簇的灰度直方图并记为聚类簇的原始灰度直方图；根据每个聚类簇的灰度共生矩阵的熵和逆方差获取每个聚类簇的纹理复杂度；

高斯混合模型调整模块，用于根据每个聚类簇的纹理复杂度获取对原始灰度直方图进行高斯拟合后的高斯混合模型中的子高斯模型个数；根据子高斯模型个数获取每个聚类簇的高斯混合模型，所述高斯混合模型包含若干子高斯模型；根据每个聚类簇的高斯混合模型中相邻子高斯模型之间的相邻度和均值间距获取相邻子高斯模型之间的扩展度；根据相邻子高斯模型的扩展度获取相邻子高斯模型调整后的均值间距；根据相邻子高斯模型调整后的均值间距获取相邻子高斯模型的均值调整值；根据相邻子高斯模型的均值调整值对高斯混合模型中的相邻子高斯模型进行调整，获得每个聚类簇调整后的高斯混合模型；

增强检测模块，用于根据每个聚类簇调整后的高斯混合模型调整聚类簇的原始灰度直方图，将调整后的原始灰度直方图记为参考直方图；根据参考直方图对原始直方图进行直方图规定化处理，得到消防安全通道图像的增强图像；根据消防安全通道图像的增强图像检测消防安全通道中的异常物体。