1.一種級聯(lián)恒虛警檢測方法，其特征在于，包括：
對雜波背景進(jìn)行統(tǒng)計建模，確定第一背景雜波分布模型；
利用所述第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點的初步檢測結(jié)果，所述潛在目標(biāo)點包含目標(biāo)點以及虛警點；
根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計建模，確定第二背景雜波分布模型；
利用所述第二背景雜波分布模型，采用恒虛警算法對所述初步檢測結(jié)果中的潛在目標(biāo)點進(jìn)行局部恒虛警檢測；
剔除虛警雜波，并確定目標(biāo)信息。
2.如權(quán)利要求1所述的級聯(lián)恒虛警檢測方法，其特征在于，所述剔除虛警雜波，確定目標(biāo)信息包括：
確定在全局恒虛警檢測后被判定為目標(biāo)，且在局部恒虛警檢測后被判定為雜波的差異點；
對所述差異點進(jìn)行優(yōu)化處理，并根據(jù)所述差異點鄰域內(nèi)各像素點的類型確定所述差異點的類型。
3.如權(quán)利要求2所述的級聯(lián)恒虛警檢測方法，其特征在于，所述根據(jù)所述差異點鄰域內(nèi)各像素點的類型確定所述差異點的類型包括：
檢測所述差異點在局部恒虛警檢測結(jié)果圖像的對應(yīng)位置的領(lǐng)域內(nèi)是否存在目標(biāo)點；
若存在目標(biāo)點，則判定所述差異點為目標(biāo)點；否則，判定為虛警雜波點。
4.如權(quán)利要求1至3任一項所述的級聯(lián)恒虛警檢測方法，其特征在于，所述對雜波背景進(jìn)行統(tǒng)計建模，確定第一背景雜波分布模型包括：
采用自適用窗口確定所述第一背景雜波分布模型；
所述根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計建模，確定第二背景雜波分布模型包括：
采用自適用窗口確定所述第二背景雜波分布模型。
5.一種級聯(lián)恒虛警檢測裝置，其特征在于，包括：
第一確定模塊，用于對雜波背景進(jìn)行統(tǒng)計建模，確定第一背景雜波分布模型；
第一檢測模塊，用于利用所述第一背景雜波分布模型，采用恒虛警算法對待檢測圖像進(jìn)行全局恒虛警檢測，得到包含潛在目標(biāo)點的初步檢測結(jié)果，所述潛在目標(biāo)點包含目標(biāo)點以及虛警點；
第二確定模塊，用于根據(jù)背景窗口中的雜波數(shù)據(jù)重新進(jìn)行統(tǒng)計建模，確定第二背景雜波分布模型；
第二檢測模塊，用于利用所述第二背景雜波分布模型，采用恒虛警算法對所述初步檢測結(jié)果中的潛在目標(biāo)點進(jìn)行局部恒虛警檢測；
第三確定模塊，用于剔除虛警雜波，并確定目標(biāo)信息。
6.如權(quán)利要求5所述的級聯(lián)恒虛警檢測裝置，其特征在于，所述第三確定模塊具體為：確定在全局恒虛警檢測后被判定為目標(biāo)，且在局部恒虛警檢測后被判定為雜波的差異點；對所述差異點進(jìn)行優(yōu)化處理，并根據(jù)所述差異點鄰域內(nèi)各像素點的類型確定所述差異點的類型的模塊。
7.如權(quán)利要求6所述的級聯(lián)恒虛警檢測裝置，其特征在于，所述第三確定模塊具體為：
檢測所述差異點在局部恒虛警檢測結(jié)果圖像的對應(yīng)位置的領(lǐng)域內(nèi)是否存在目標(biāo)點；若存在目標(biāo)點，則判定所述差異點為目標(biāo)點；否則，判定為虛警雜波點。
8.如權(quán)利要求5至7任一項所述的級聯(lián)恒虛警檢測裝置，其特征在于，所述第一確定模塊具體為：采用自適用窗口確定所述第一背景雜波分布模型的模塊；
所述第二確定模塊具體為：采用自適用窗口確定所述第二背景雜波分布模型的模塊。