1.一种通网智能视觉监控跟踪方法，其特征在于，所述方法包括：获取连续帧的夜晚监控灰度图像，根据每一帧夜晚监控灰度图像中所有像素点的灰度分布，确定每一帧夜晚监控灰度图像的质量评价参数；

将连续两帧夜晚监控灰度图像中的前一帧作为对比图像，后一帧作为待测图像；根据对比图像与待测图像的质量评价参数和相同图像位置的像素点的灰度差异，确定所述待测图像的像素变化程度；

在所述待测图像所对应时刻为中心的预设时序范围内，将所有帧夜晚监控灰度图像作为分析图像；任选所述待测图像中的一个像素点为目标点；根据所述待测图像与对比图像的像素变化程度、所述目标点在对应预设邻域范围内的灰度分布，以及所述分析图像中与所述目标点同一图像位置的像素点的灰度分布，确定所述目标点的变化特征程度；

根据所述待测图像中所有像素点的变化特征程度的数值分布，将所述待测图像划分为至少两个目标区域；根据每一目标区域中所有像素点的变化特征程度，确定所述目标区域的移动分析系数；

根据所有目标区域所述移动分析系数对所述待测图像进行图像增强，得到增强图像；

根据所有帧的增强图像实现移动目标的监控跟踪；

所述夜晚监控灰度图像的质量评价参数的获取方法，包括：

确定同一帧夜晚监控灰度图像中像素点的灰度值最小值；

将同一帧夜晚监控灰度图像所有像素点的灰度值与灰度最小值的差值进行求均化处理，得到对应夜晚监控灰度图像的质量评价参数；

所述待测图像的像素变化程度的获取方法，包括：

确定所述待测图像和对比图像的质量评价参数的差值绝对值为评价差异指标；

对所述对比图像和所述待测图像进行帧差分处理，得到差分图像，确定所述差分图像中所有像素点的灰度值和值，得到灰度变化指标；

根据所述评价差异指标和所述灰度变化指标，确定所述像素变化程度，其中，所述评价差异指标和所述灰度变化指标均与所述像素变化程度呈正相关关系；

所述目标点的变化特征程度的获取方法，包括：

确定所述待测图像中所述目标点分别与预设邻域范围内每一像素点的灰度值差异，并求均值得到邻域灰度差异指标；

将所有分析图像中与所述目标点处于同一图像位置的像素点作为分析点，计算所述目标点分别与每一分析点的灰度值差异，并求均值得到时序灰度差异指标；

将所述待测图像与对比图像的像素变化程度的差值绝对值，确定为所述待测图像的像素变化差异指标；

结合所述邻域灰度差异指标、所述时序灰度差异指标和所述像素变化差异指标，确定所述目标点的变化特征程度，其中，所述像素变化差异指标与所述变化特征程度呈负相关关系，所述时序灰度差异指标和所述邻域灰度差异指标与所述变化特征程度呈正相关关系；其中，计算时序灰度差异指标和邻域灰度差异指标的乘积，并将该乘积与像素变化差异指标的比值作为变化特征程度；

所述移动分析系数的获取方法，包括：

计算同一目标区域中所有像素点的变化特征程度的均值，作为对应目标区域的移动分析系数。

2.如权利要求1所述的一种通网智能视觉监控跟踪方法，其特征在于，将所述待测图像划分为至少两个目标区域，包括：基于DBSCAN密度聚类算法，根据所述待测图像中所有像素点的变化特征程度进行聚类，得到聚类簇，将每一聚类簇作为一个目标区域。

3.如权利要求1所述的一种通网智能视觉监控跟踪方法，其特征在于，所述根据所有目标区域所述移动分析系数对所述待测图像进行图像增强，得到增强图像，包括：根据所述移动分析系数从所述目标区域中筛选得到移动区域；

将所述移动分析系数作为图像增强权重，对移动区域进行图像增强处理，得到增强区域，遍历所有移动区域，得到增强图像。

4.如权利要求3所述的一种通网智能视觉监控跟踪方法，其特征在于，所述移动区域的获取方法，包括：将所述移动分析系数大于预设系数阈值的目标区域作为移动区域。

5.如权利要求1所述的一种通网智能视觉监控跟踪方法，其特征在于，所述根据所有帧的增强图像实现移动目标的监控跟踪，包括：基于光流法对所有帧的增强图像进行光流分析，根据分析结果确定移动目标的行动轨迹。

6.一种通网智能视觉监控跟踪系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述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 5任意一项所述方法的步骤。

~