1.一种社区智慧警务信息的数据方法，其特征在于，包括：获取社区智慧警务信息，所述社区智慧警务信息包括社区警务监控的图像的数据；

根据所述图像的细节程度与像素点的分布情况，确定对所述像素点的滤波类型和自适应滤波核大小 ，所述细节程度至少包括所述图像中像素点的梯度幅值；

根据所述滤波类型和自适应滤波核大小 ，对所述图像进行去噪处理；

所述根据所述图像的细节程度与像素点的分布情况，确定对所述像素点的滤波类型和自适应滤波核大小 之前，还包括：以一像素点为中心像素点，建立窗口边长为 的正方形的窗口；

通过分割阈值对所述窗口中各像素点的梯度幅值进行二值分割，确定分割出的像素点对应的位置值d；

根据所述位置值d及窗口边长，确定分割比例C；

所述根据所述位置值d及窗口边长，确定分割比例C，包括：根据公式 ，确定分割比例C，其中，n为所述窗口的边长；

所述根据所述位置值d及窗口边长，确定分割比例C之后，还包括：根据公式 ，确定所述窗口的目标程度 ，其中，所述 表示窗口中的梯度幅值的最大值， 表示窗口中的梯度幅值的最小值，表示第i个分割阈值下的分割比例值， 表示分割比例值的最大值；

所述根据所述位置值d及窗口边长，确定分割比例C之后，还包括：根据公式 ，确定所述窗口的中心像素点的目标程度h，其中，表示窗口的目标程度，f表示窗口中心像素点的梯度幅值，所述 表示窗口中的梯度幅值的最大值，表示窗口中的梯度幅值的最小值；

所述根据所述位置值d及窗口边长，确定分割比例C之后，还包括：根据公式 ，确定窗口中像素点的关联范围

，其中， 表示最大关联范围， 表示目标像素点的目标程度，k表示 窗口中大于目标程度平均值的像素点的数量，表示窗口中大于目标程度平均值的第j个像素点的目标程度，表示窗口中大于目标程度平均值的像素点到目标像素点的距离，表示窗口中大于目标程度平均值的像素点到目标像素点的距离加权平均值；

所述像素点的分布情况，包括：像素点被不同所述关联范围 覆盖的覆盖次数 ；

所述根据所述图像的细节程度与像素点的分布情况，确定对所述像素点的滤波类型和自适应滤波核大小 ，包括：根据备选滤波核的最大值 与最小值 之间相减，将获得的差值与覆盖次数最大值 进行比较，获得比较值，所述覆盖次数最大值 包括在所述窗口中各像素点被不同所述关联范围 覆盖的覆盖次数 中覆盖次数的最大值；

将所述比较值与像素点的覆盖次数 相乘，并将获得结果确定为像素点的自适应滤波核大小 。

2.根据权利要求1所述的一种社区智慧警务信息的数据方法，其特征在于，所述将所述比较值与像素点的覆盖次数 相乘，并将获得结果确定为像素点的自适应滤波核大小 之后，还包括：将像素点的自适应滤波核大小 与备选滤波核的最大值 的比值与1进行比较，获得滤波核比较值；

将所述滤波核比较值与梯度方向相似性均值w相乘，获得结果确定为滤波类型优选参数t。

3.根据权利要求2所述的一种社区智慧警务信息的数据方法，其特征在于，所述将所述滤波核比较值与梯度方向相似性均值w相乘，获得结果确定为滤波类型优选参数t之后，还包括：若滤波类型优选参数t小于第一预设滤波类型值时，确定滤波类型为均值滤波；

若滤波类型优选参数t小于第二预设滤波类型值，且大于或等于所述第一预设滤波类型值时，确定滤波类型为中值滤波；

若滤波类型优选参数t大于或等于所述第二预设滤波类型值时，确定滤波类型为双边滤波。

4.根据权利要求3所述的一种社区智慧警务信息的数据方法，其特征在于，所述以一像素点为中心像素点，建立窗口边长为 的正方形的窗口之前，还包括：获取所述图像中各像素点在第一方向 的第一梯度 ，以及在第二方向 的第二梯度 ；

根据公式 ，确定像素点的梯度幅值 ；

根据公式 ，确定像素点的梯度方向V。