1.一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，该方法包括以下步骤：

连续采集若干个时刻下人体的腹部图像；

将任意一个时刻记为当前时刻，将当前时刻之前相邻若干个腹部图像组成当前时刻的图像序列，根据当前时刻的图像序列的所有腹部图像中相同位置上的像素点的灰度值的差异，得到当前时刻的腹部图像中每个像素点的灰度动态趋势程度；

根据每个像素点与邻域范围内像素点的灰度动态趋势程度之间的差异，获得每个像素点的跟随性向量，根据相邻像素点的跟随性向量之间的趋势分布得到若干个趋势变化折线和若干个终止点，对所有的终止点进行聚类，得到若干个类簇，并根据类簇中终止点的数量获得参考类簇，将趋势变化折线上每个节点的两个直线之间的最小夹角记为每个节点的趋势夹角，将参考类簇中的终止点对应的趋势变化折线记为参考趋势变化折线，根据每个参考趋势变化折线中起始点与终止点之间的欧式距离、每个节点的趋势夹角之间的趋势差异，获得每个参考趋势变化折线的趋势特征，根据每个参考趋势变化折线的趋势特征、每个参考趋势变化折线的相邻两个节点的灰度动态趋势程度之间的差异，获得滤波窗口的调整系数；

根据滤波窗口的调整系数对初始滤波窗口大小进行调整，获取调整之后的滤波窗口大小，根据调整之后的滤波窗口大小对腹部图像进行滤波获得滤波之后的腹部图像，根据滤波之后的腹部图像进行呼吸监测预警。

2.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述将当前时刻之前相邻若干个腹部图像组成当前时刻的图像序列，包括的具体步骤如下：将当前时刻之前相邻的A个腹部图像和当前时刻的腹部图像，按照时间顺序组成当前时刻的图像序列；其中，A为预设参数。

3.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据当前时刻的图像序列的所有腹部图像中相同位置上的像素点的灰度值的差异，得到当前时刻的腹部图像中每个像素点的灰度动态趋势程度，包括的具体步骤如下：根据当前时刻的图像序列的顺序将所有相邻两个时刻的腹部图像中相同位置上的像素点之间的灰度差异，组成每个像素点的灰度差异序列；

当前时刻的腹部图像中每个像素点的灰度动态趋势程度的计算公式为：

式中，表示腹部图像中第 个像素点的灰度差异序列中所有元素的均值， 表示腹部图像中第个像素点的灰度差异序列中的第个元素，为绝对值符号， 表示线性归一化函数，表示当前时刻的腹部图像中第个像素点的灰度动态趋势程度，为预设参数。

4.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据每个像素点与邻域范围内像素点的灰度动态趋势程度之间的差异，获得每个像素点的跟随性向量，包括的具体步骤如下：将腹部图像中任意一个像素点记为目标像素点，将目标像素点的灰度动态趋势程度减去八邻域中每个像素点的灰度动态趋势程度的结果值，作为目标像素点与八邻域中每个像素点之间的趋势差异；

再根据目标像素点与八邻域中每个像素点之间的趋势差异，获得目标像素点与八邻域中每个像素点之间的灰度趋势向量；其中，灰度趋势向量的模长为目标像素点与八邻域中每个像素点之间的趋势差异的绝对值，灰度趋势向量的方向是通过目标像素点与八邻域中每个像素点之间的趋势差异的大小决定的，具体为：当趋势差异大于0时，则灰度趋势向量的方向由八邻域中的每个像素点指向目标像素点，当趋势差异小于或者等于0时，则灰度趋势向量的方向由目标像素点指向八邻域中的每个像素点；

对目标像素点与八邻域像素点中的八个灰度趋势向量的模长进行线性归一化，得到目标像素点与八邻域像素点中的八个趋势向量；

再将目标像素点与八邻域像素点中的八个趋势向量进行矢量运算，得到目标像素点的跟随性向量。

5.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据相邻像素点的跟随性向量之间的趋势分布得到若干个趋势变化折线和若干个终止点，包括的具体步骤如下：将灰度动态趋势程度大于或者等于预设阈值G的像素点记为腹部区域像素点，将灰度动态趋势程度小于预设阈值G的像素点记为非腹部区域像素点；将所有的腹部区域像素点组成一个腹部区域，将所有的非腹部区域像素点组成一个背景区域；将属于腹部区域且与背景区域相连的像素点记为腹部区域的边缘像素点；

以腹部区域的每个边缘像素点为起始点，获取每个边缘像素点的八邻域中所有腹部区域像素点的跟随性向量的模长最大的像素点，记为第一节点，当第一节点的跟随性向量的模长大于预设阈值B时，继续进行操作，获取第一节点的八邻域中所有腹部区域像素点的跟随性向量的模长最大的像素点，记为第二节点，当第二节点的跟随性向量的模长大于预设阈值B时，继续进行操作，再获取第二节点的八邻域中所有腹部区域像素点的跟随性向量的模长最大的像素点，记为第三节点，当第三节点的跟随性向量的模长大于预设阈值B时，继续进行操作，当第三节点的跟随性向量的模长小于或者等于预设阈值B时，则停止操作，将第二节点作为一个终止点；将起始点和终止点以及之间的所有节点用若干个直线进行相连，作为一条趋势变化折线。

6.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述对所有的终止点进行聚类，得到若干个类簇，并根据类簇中终止点的数量获得参考类簇，包括的具体步骤如下：通过密度聚类算法对所有的终止点进行聚类得到若干个类簇，将终止点个数最多的一个类簇记为参考类簇。

7.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据每个参考趋势变化折线中起始点与终止点之间的欧式距离、每个节点的趋势夹角之间的趋势差异，获得每个参考趋势变化折线的趋势特征，包括的计算公式如下：式中，表示第 个参考趋势变化折线的起始点与终止点之间的欧式距离， 表示第 个参考趋势变化折线的第 个节点的趋势夹角，为圆周率，表示每个参考趋势变化折线的所有节点的数量，为绝对值符号， 表示以自然常数为底的指数函数，表示第 个参考趋势变化折线的趋势特征。

8.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据每个参考趋势变化折线的趋势特征、每个参考趋势变化折线的相邻两个节点的灰度动态趋势程度之间的差异，获得滤波窗口的调整系数，包括的计算公式如下：式中， 表示第 个参考趋势变化折线的第 个节点的灰度动态趋势程度， 表示第个参考趋势变化折线的第 个节点的灰度动态趋势程度，表示每个参考趋势变化折线的所有节点的数量，表示所有参考趋势变化折线的数量，为绝对值符号，表示第 个参考趋势变化折线的趋势特征，表示滤波窗口的调整系数， 表示线性归一化函数。

9.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据滤波窗口的调整系数对初始滤波窗口大小进行调整，获取调整之后的滤波窗口大小，根据调整之后的滤波窗口大小对腹部图像进行滤波获得滤波之后的腹部图像，包括的具体步骤如下：计算初始滤波窗口大小乘以滤波窗口的调整系数之间的乘积，对乘积进行向上取整得到调整之后的滤波窗口大小；

根据调整之后的滤波窗口大小通过高斯滤波对腹部图像进行滤波，获得滤波之后的腹部图像。

10.根据权利要求1所述一种用于呼吸重症患者的呼吸监测预警方法，其特征在于，所述根据滤波之后的腹部图像进行呼吸监测预警，包括的具体步骤如下：将滤波之后的腹部图像输入到训练好的CNN神经网络中，输出0和1两种结果，当输出为

0时，则判定呼吸重症患者的呼吸正常；当输出为1时，则判定呼吸重症患者的呼吸异常；此时则需要进行预警。