1.一种无纹理场景视频中对特定目标区域的侦测方法，其特征在于，包括如下步骤：步骤S1，构建关于无纹理视频中的颜色信息、轮廓信息和动态性信息的三通道的视频场景区域类型描述器；

步骤S2，将包含特定目标区域的视频样本输入至所述视频场景区域类型描述器，以输出获得关于所述特定目标区域的类型向量；

步骤S3，将所述无纹理视频的某一图像帧输入至所述视频场景区域类型描述器，以分割获得若干场景区域，其中，每一个场景区域分别具有相应的类型向量；

步骤S4，获取所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间的匹配度，若所述匹配度大于或者等于预设匹配度阈值，则确定所述每一图像帧当前的场景区域为所述特定目标区域；

在所述步骤S1中，构建关于无纹理视频中的颜色信息、轮廓信息和动态性信息的三通道的视频场景区域类型描述器具体包括，步骤S101，构建关于所述无纹理视频中的颜色信息通道，具体为，S101A，将所述无纹理视频的某一图像帧进行从RGB颜色空间到HSI颜色空间的转换处理，其中，色调H的取值范围为[0°，360°]，饱和度S和强度I的取值范围均为[0，1]；

S101B，将所述色调H对应的域值划分为如下6个子集：H1＝[30°，90°)、H2＝[90°，150°)、H3＝[150°，210°)、H4＝[210°，270°)、H5＝[270°，330°)和H6＝[330°，360°]∪[0°，30°)，以将所述某一图像帧对应的像素点进行关于所述6个子集的分类处理；

S101C，根据所述分类处理的结果，将所述某一图像帧的每一个像素点进行归一化与量化处理，以获得每一个像素点对应的颜色类型值H(i,j)|t，其中，所述颜色类型值H(i,j)|t的计算结果如下式(1)

在所述式(1)中，H(i,j)|t表示所述某一图像帧在坐标(i，j)处的像素点的颜色类型值；

步骤S102，构建关于所述无纹理视频中的轮廓信息通道，具体为，S102A，通过Hough变换算法计算所述无纹理视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第一轮廓特征值shough(i,j)|t，其中，所述第一轮廓特征值shough(i,j)|t满足下面式(2)S102B，通过Canny算子计算所述无纹理视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第二轮廓特征值scanny(i，j)︱t，其中，所述第二轮廓特征值scanny(i，j)︱t满足下面式(3)S102C，通过Isotropic Sobel算子计算所述无纹理视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第三轮廓特征值ssobel(i,j)|t，其中，所述第三轮廓特征值ssobel(i,j)|t满足下面式(4)S102D，根据下面式(5)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求交集运算处理，以得到所述轮廓类型值S(i,j)|t，

步骤S103，构建关于所述无纹理视频中的动态性信息通道，具体为，S103A，基于HSI颜色空间的亮度I通道，构建关于所述无纹理视频的某一图像帧在亮度I通道中每一个像素点的混合高斯背景模型GMM；

S103B，在所述亮度I通道上，统计每一个像素点对应的显著性强度值变化的次数，其中，所述显著性强度值变化是指像素点的强度值变化幅度超出其对应的混合高斯背景模型GMM所限定的强度值正常变化范围；

S103C，在所述亮度I通道上，根据下面式(6)，获取每一个像素点的近期动态特征值在上述式(6)中， 为所述无纹理视频在所述亮度I通道上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的次数，D(i，j)为在所述亮度I通道上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的频率，即D(i，j)为在所述亮度I通道上处于坐标(i，j)处的像素点对应的近期动态特征值，并且满足100≤t‑k≤20000；

S103D，根据下面式(7)，对所述近期动态特征值D(i，j)进行量化处理，以得到所述动态性类型值D(i,j)|t

步骤S104，将所述颜色类型值、所述轮廓类型值和所述动态性类型值进行串联，以构建得到所述视频场景区域类型描述器。

2.如权利要求1所述的无纹理场景视频中对特定目标区域的侦测方法，其特征在于：在所述步骤S2中，将包含特定目标区域的视频样本输入至所述视频场景区域类型描述器，以输出获得关于所述特定目标区域的类型向量具体包括，步骤S201，选取一有且仅有一个典型的特定目标区域的视频样本；

步骤S202，将所述视频样本以逐帧图像的方式输入所述视频场景区域类型描述器，对每一帧图像的特定目标区域中的各个像素点逐一计算得到其对应的类型向量，在对所有像素点的类型向量进行平均向量计算处理，并将所述平均向量计算处理得到的平均向量作为对应帧图像中特定目标区域的类型向量。

3.如权利要求1所述的无纹理场景视频中对特定目标区域的侦测方法，其特征在于：在所述步骤S3中，将所述无纹理视频的某一图像帧输入至所述视频场景区域类型描述器，以分割获得若干场景区域，其中，每一个场景区域分别具有相应的类型向量具体包括，步骤S301，将所述无纹理视频的某一图像帧输入至所述视频场景区域类型描述器后，所述视频场景区域类型描述器基于并行计算模式，同步地计算得到所述无纹理视频的某一图像帧中每一个像素点的颜色类型值、轮廓类型值和动态性类型值；

步骤S302，将每一个像素点的颜色类型值、轮廓类型值和动态性类型值串联组合成相应的类型向量，同时将具有相同类型向量的像素点归为同一个场景区域，以此分割获得若干场景区域，并且每一个场景区域具有相同且唯一的类型向量。

4.如权利要求1所述的无纹理场景视频中对特定目标区域的侦测方法，其特征在于：在所述步骤S4中，获取所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间的匹配度，若所述匹配度大于或者等于预设匹配度阈值，则确定所述每一图像帧当前的场景区域为所述特定目标区域具体包括，步骤S401，根据下式(8)，计算所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间的匹配度M

在上述式(8)中，H(i,j)|t、S(i,j)|t、D(i,j)|t分别为所述无纹理视频的某一图像帧中场景区域的颜色类型值、轮廓类型值和动态性类型值，H(i,j)′、S(i,j)′、D(i,j)′分别为所述视频样本中特定目标区域的类型向量对应的颜色类型值、轮廓类型值和动态性类型值，所述匹配度M的取值范围是[0％，100％]，当所述匹配度M＝100％时，表示所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间完全匹配；

步骤S402，将所述预设匹配度阈值设为85％，若所述匹配度M大于或者等于85％，则确定所述某一图像帧当前的场景区域为所述特定目标区。

5.一种无纹理场景视频中对特定目标区域的侦测装置，其特征在于，所述装置包括：视频场景区域类型描述器构建模块，其用于构建关于无纹理视频中的颜色信息、轮廓信息和动态性信息的三通道的视频场景区域类型描述器；类型向量获取模块，其用于将包含特定目标区域的视频样本输入至所述视频场景区域类型描述器，以输出获得关于所述特定目标区域的类型向量；

场景区域分割模块，其用于将所述无纹理视频的某一图像帧输入至所述视频场景区域类型描述器，以分割获得若干场景区域，其中，每一个场景区域分别具有相应的类型向量；

匹配度计算模块，其用于获取所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间的匹配度；

匹配确定模块，其用于根据所述匹配度与预设匹配度阈值之间的关系，确定所述某一图像帧当前的场景区域是否为所述特定目标区域；

所述视频场景区域类型描述器构建模块包括颜色信息通道构建子模块、轮廓信息通道构建子模块、动态性信息通道构建子模块和串联构建子模块；其中，所述颜色信息通道构建子模块用于构建关于所述无纹理视频中的颜色信息通道，具体为，

S101A，将所述无纹理视频的某一图像帧进行从RGB颜色空间到HSI颜色空间的转换处理，其中，色调H的取值范围为[0°，360°]，饱和度S和强度I的取值范围均为[0，1]；

S101B，将所述色调H对应的域值划分为如下6个子集：H1＝[30°，90°)、H2＝[90°，150°)、H3＝[150°，210°)、H4＝[210°，270°)、H5＝[270°，330°)和H6＝[330°，360°]∪[0°，30°)，以将所述某一图像帧对应的像素点进行关于所述6个子集的分类处理；

S101C，根据所述分类处理的结果，将所述某一图像帧的每一个像素点进行归一化与量化处理，以获得每一个像素点对应的颜色类型值H(i,j)|t，其中，所述颜色类型值H(i,j)|t的计算结果如下式(1)

在所述式(1)中，H(i,j)|t表示所述某一图像帧在坐标(i，j)处的像素点的颜色类型值；

所述轮廓信息通道构建子模块用于构建关于所述无纹理视频中的轮廓信息通道，具体为，

S102A，通过Hough变换算法计算所述无纹理视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第一轮廓特征值shough(i,j)|t，其中，所述第一轮廓特征值shough(i,j)|t满足下面式(2)S102B，通过Canny算子计算所述无纹理视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第二轮廓特征值scanny(i，j)︱t，其中，所述第二轮廓特征值scanny(i，j)︱t满足下面式(3)S102C，通过Isotropic Sobel算子计算所述无纹理视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第三轮廓特征值ssobel(i,j)|t，其中，所述第三轮廓特征值ssobel(i,j)|t满足下面式(4)S102D，根据下面式(5)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求交集运算处理，以得到所述轮廓类型值S(i,j)|t，

所述动态性信息通道构建子模块用于构建关于所述无纹理视频中的动态性信息通道，具体为，

S103A，基于HSI颜色空间的亮度I通道，构建关于所述无纹理视频的某一图像帧在亮度I通道中每一个像素点的混合高斯背景模型GMM；

S103B，在所述亮度I通道上，统计每一个像素点对应的显著性强度值变化的次数，其中，所述显著性强度值变化是指像素点的强度值变化幅度超出其对应的混合高斯背景模型GMM所限定的强度值正常变化范围；

S103C，在所述亮度I通道上，根据下面式(6)，获取每一个像素点的近期动态特征值在上述式(6)中， 为所述无纹理视频在所述亮度I通道上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的次数，D(i，j)为在所述亮度I通道上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的频率，即D(i，j)为在所述亮度I通道上处于坐标(i，j)处的像素点对应的近期动态特征值，并且满足100≤t‑k≤20000；

S103D，根据下面式(7)，对所述近期动态特征值D(i，j)进行量化处理，以得到所述动态性类型值D(i,j)|t

所述串联构建子模块用于将所述颜色类型值、所述轮廓类型值和所述动态性类型值进行串联，以构建得到所述视频场景区域类型描述器。

6.如权利要求5所述的无纹理场景视频中对特定目标区域的侦测装置，其特征在于：所述类型向量获取模块包括视频样本选取子模块和类型向量计算子模块；其中，所述视频样本选取子模块用于选取一有且仅有一个典型的特定目标区域的视频样本；

所述类型向量计算子模块用于将所述视频样本以逐帧图像的方式输入所述视频场景区域类型描述器，对每一帧图像的特定目标区域中的各个像素点逐一计算得到其对应的类型向量，在对所有像素点的类型向量进行平均向量计算处理，并将所述平均向量计算处理得到的平均向量作为对应帧图像中特定目标区域的类型向量。

7.如权利要求5所述的无纹理场景视频中对特定目标区域的侦测装置，其特征在于：所述场景区域分割模块包括实时类型值计算子模块和分割处理子模块；其中，所述实时类型值计算子模块用于将所述无纹理视频的某一图像帧输入至所述视频场景区域类型描述器后，所述视频场景区域类型描述器基于并行计算模式，同步地计算得到所述无纹理视频的某一图像帧中每一个像素点的颜色类型值、轮廓类型值和动态性类型值；

所述分割处理子模块用于将每一个像素点的颜色类型值、轮廓类型值和动态性类型值串联组合成相应的类型向量，同时将具有相同类型向量的像素点归为同一个场景区域，以此分割获得若干场景区域，并且每一个场景区域具有相同且唯一的类型向量。

8.如权利要求5所述的无纹理场景视频中对特定目标区域的侦测装置，其特征在于：所述匹配度计算模块获取所述匹配度具体为，根据下式(8)，计算所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间的匹配度M

在上述式(8)中，H(i,j)|t、S(i,j)|t、D(i,j)|t分别为所述无纹理视频的某一图像帧中场景区域的颜色类型值、轮廓类型值和动态性类型值，H(i,j)′、S(i,j)′、D(i,j)′分别为所述视频样本中特定目标区域的类型向量对应的颜色类型值、轮廓类型值和动态性类型值，所述匹配度M的取值范围是[0％，100％]，当所述匹配度M＝100％时，表示所述每一个场景区域具有的类型向量与所述特定目标区域的类型向量之间完全匹配；

所述匹配确定模块确定所述某一图像帧当前的场景区域是否为所述特定目标区域具体为，

将所述预设匹配度阈值设为85％，若所述匹配度M大于或者等于85％，则确定所述某一图像帧当前的场景区域为所述特定目标区。