1.一种基于视觉特征的文物展示柜，包括文物展示柜和安装在文物展示柜上的监测装置，监测装置用于对文物展示柜附近的活动进行视频图像监测，其特征是，监测装置包括预处理模块、检测跟踪模块、识别输出模块；
(1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤波子模块和图像增强子模块：
图像转化子模块，用于将彩色图像转化为灰度图像：
其中，R(x，y)、G(x，y)、B(x，y)分别代表像素(x，y)处的红绿蓝强度值，H(x，y)代表坐标(x，y)处的像素灰度值；图像大小为m×n；
图像滤波子模块，用于对灰度图像进行滤波：
采用维纳滤波来进行一级滤除后，定义svlm图像，记为Msvlm(x，y)，具体定义公式为：
Msvlm(x，y)＝a1J1(x，y)+a2J2(x，y)+a3J3(x，y)+a4J4(x，y)，其中a1、a2、a3、a4为可变权值，i＝1，2，3，4；J(x，y)为经滤波后的图像；
图像增强子模块：
当 时， 其中，L(x，y)为增强后的灰
度值；ψ(x，y)是包含有局部信息的伽马校正系数，此时 α是范围
为0到1的可变参数， ω为模板尺度大小参量，尺度越大则模板中包含的邻
域像素信息就越多，输入图像经过不同尺度ωi的模板，得到的图像Ji将会包含不同范围的邻域信息；
当 且ω＞50时， 其中ψ
(x，y)＝ψα(Msvlm(x，y))， mH是图像中灰度值高于128的所有像素的
均值，mL是灰度值低于128的所有像素的均值，且此时m＝min(mH，mL)，在α值已知的情况下，计算出256个ψ校正系数作为查找表，记为 其中i为索引值，利用Msvlm(x，y)的灰度值作为索引，根据ψ(x，y)＝ψα(Msvlm(x，y))快速获得图像中每个像素的伽马校正系数ψ(x，y)； 为模板修正系数；
(2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：
构建子模块，用于视觉字典的构建：
在初始帧获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟踪结果作为训练集X＝{x1，x2，......xN}T；并对训练集中的每幅目标图像提取128维的SIFT特征其中St表示训练集中第t幅目标图像中SIFT特征的个数；跟踪N帧以后，通过聚类算法将这些特征划分为K个簇，每个簇的中心构成特征单词，记为 能够提取到的特征总量 其中K＜＜FN，且 视觉字典构建好以后，每幅训练图像表
示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图h(xt)表示，h(xt)通过以下方式获取：将一幅训练图像Xt中的每一个特征fs(t)向视觉字典投影，用投影距离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并归一化得到训练图像Xt的特征直方图h(xt)；
丢失判别子模块，用于判别目标的丢失与否：
当新一帧图像到来时，从K个直方图柱中随机选取Z＜K个直方图柱，且Z＝4，形成新的大小为Z的子直方图h(z)(xt)，子直方图的个数最多为 个；计算候选目标区域和训练集中某个目标区域对应子直方图的相似性Φt_z， 其中t＝1，
2，...，N，z＝1，2，...，Ns，然后计算总体相似性Φt＝1-∏z(1-Φt_z)；候选目标区域与目标的相似性用Φ＝max{Φt，t}表示，则目标丢失判断式为： 其中
gs为人为设定的判失阀值；当u＝1时目标被稳定跟踪，当u＝0时，目标丢失；当目标丢失时，定义仿射变换模型： 其中(xt，yt)和(xt-1，
yt-1)分别为当前帧目标中某个SITF特征点的位置坐标和前一个帧目标中对应匹配特征点的位置坐标，两者均为已知量；s为尺度系数，θ为旋转系数，e和f代表了平移系数，为温度旋转修正系数， 为温度
平移修正系数，μ1和μ2用于修正因为环境温度偏差造成的图像旋转和平移误差，T0为人为设定的标准温度，设为20度，T为由温度传感器实时监测得到的温度值；采用Ransac估计算法求取仿射变换模型的参数，最后在新的尺度s和旋转系数θ下采集正负样本，更新分类器；
更新子模块，用于视觉字典的更新：
在每帧图像获得目标位置以后，根据仿射变换参数的计算结果，收集所有满足结果参数的SIFT特征点 经过F＝3帧以后，获得新的特征点集 其中St-F代表了从F
帧图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：
其中 表示新的视觉字典，视觉字典的大小保持
不变； 是遗忘因子，表明了旧字典所占的比重，越小，新特征对目标丢失的判断贡献越多，取
(3)识别输出模块，用于图像的识别和输出：在待识别的图像序列中利用跟踪算法获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域与训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。
2.根据权利要求1所述的一种基于视觉特征的文物展示柜，其特征是，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采用以下的二级滤波器进行二次滤波：
其中，J(x，y)为经过滤波后的图像；Pg(x+i，y+j)代表尺度为m×n的函数，且Pg(x+i，y+j)＝q×exp(-(x2+y2)/ω)，其中q是将函数归一化的系数，即：∫∫q×exp(-(x2+y2)/ω)dxdy＝1。