1.一种基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述方法包括：
a获取高速移动对象运动模糊图像；
b提取运动模糊图像变换域条纹方向及间隔特征，建立条纹方向及间隔与直线运动模糊核参数关系，构造直线运动模糊核；
c基于图像噪声分布构建数据保真项及基于图像先验构建正则项，根据数据保真项与正则项构建泛函优化反卷积；
d根据边界截断效应预处理运动模糊图像，根据成像过程异常因素预处理泛函优化逆卷积；
e权衡数据保真项与正则项比重，设计优化策略求解泛函优化反卷积，获取最终复原图像；
f应用主流目标检测技术检测复原图像感兴趣目标，实现基于图像复原的高速移动对象机器视觉目标检测方法。
2.如权利要求1所述的基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述高速移动对象指机器视觉目标检测在智能制造与装备生产线监测场景下的检测目标，其运动轨迹视为直线。
3.如权利要求1所述的基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述步骤b中，所述运动模糊图像变换域指频谱域、倒谱域、自相关函数特征空间；所述运动模糊图像变换域条纹方向及间隔特征分别表征运动模糊方向及尺度；所述直线运动模糊核描述成像阶段相机与目标相对移动轨迹，由运动模糊方向及尺度两个参数组成。
4.如权利要求1所述的基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述步骤c中，所述图像噪声分布为高斯分布、拉普拉斯分布或泊松分布；所述图像先验描述图像固有特征，两项通过权重求和构成泛函优化反卷积。
5.如权利要求1所述的基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述步骤d中，所述边界截断效应指图像内容在边界处截断，促使数据周期性假设不成立；所述成像过程异常因素包括饱和像素、压缩效应、非高斯噪声以及相机非线性响应；所述预处理则分别根据边界截断效应与成像过程异常因素对运动模糊图像与泛函优化反卷积做出修改，以抑制其不利影响。
6.如权利要求1所述的基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述步骤e中，所述数据保真项与正则项比重影响泛函优化反卷积解演化方向，所述优化策略主要针对泛函优化反卷积不存在封闭解情况，此时优化策略求出泛函优化反卷积数值解。
7.如权利要求1所述的基于图像复原的高速移动对象机器视觉目标检测方法，其特征在于，所述步骤f中，所述主流目标检测技术包括传统方法与深度学习方法，其中深度学习方法训练集由大量运动模糊消除后的复原图像组成。