1.一種基于空間約束的目標人體識別方法，其特征在于：包括以下步驟：

①假定有一個攝像頭A，將攝像頭A拍攝到的所有圖像組合成一個圖像目標庫，然后提取圖像目標庫內每幅圖像中的前景區域，圖像目標庫內每幅圖像中的前景區域即為圖像目標庫內每幅圖像中的人體，接著將圖像目標庫內每幅圖像中的前景區域分割成大小相同且互相重疊的第一圖像塊，再提取圖像目標庫內每幅圖像中的前景區域內的每個第一圖像塊的特征向量；

②假定有一個攝像頭B，將攝像頭B實時拍攝到的圖像作為待識別圖像，然后提取待識別圖像中的前景區域，待識別圖像中的前景區域即為待識別圖像中的人體，接著將待識別圖像中的前景區域分割成大小相同且互相重疊的第二圖像塊，再提取待識別圖像中的前景區域內的每個第二圖像塊的特征向量；

③根據圖像目標庫內每幅圖像中的前景區域內的每個第一圖像塊的特征向量，獲取圖像目標庫內每幅圖像中的前景區域內的每個第一圖像塊的最小距離塊序列，將圖像目標庫中的第q幅圖像中的前景區域內中心像素點在第q幅圖像中坐標位置為(i,j)的第一圖像塊的最小距離塊序列記為di,jB,q={di,j,1B,q,di,j,2B,q,...,di,j,kB,q,...,di,j,MB,q},]]>其中，1≤q≤Q，Q表示圖像目標庫中的圖像的數量，(i,j)表示第一圖像塊的中心像素點在第q幅圖像中的坐標位置，為屬于符號，F表示第q幅圖像中的前景區域內的所有像素點的坐標位置的集合，1≤k≤M，M表示第q幅圖像中的前景區域內包含的第一圖像塊的總行數，di,j,kB,q=min{d(xi,jB,q,xk,1B,q),...,d(xi,jB,q,xk,j′B,q),...,d(xi,jB,q,xk,N′B,q)},]]>min{}表示取最小值函數，1≤j'≤N'，N'表示第q幅圖像中的前景區域內第k行第一圖像塊中包含的第一圖像塊的總個數，||?||₂表示二范式符號，表示第q幅圖像中的前景區域內中心像素點在第q幅圖像中坐標位置為(i,j)的第一圖像塊的特征向量，表示第q幅圖像中的前景區域內中心像素點在第q幅圖像中坐標位置為(k,j')的第一圖像塊的特征向量，

然后根據待識別圖像中的前景區域內的每個第二圖像塊的特征向量，獲取待識別圖像中的前景區域內的每個第二圖像塊的最小距離塊序列，將待識別圖像中的前景區域內中心像素點在待識別圖像中坐標位置為(m,n)的第二圖像塊的最小距離塊序列記為dm,nA={dm,n,1A,dm,n,2A,...,dm,n,k′A,...,dm,n,KA},]]>其中，(m,n)表示第二圖像塊的中心像素點在待識別圖像中的坐標位置，F'表示待識別圖像中的前景區域內的所有像素點的坐標位置的集合，1≤k'≤K，K表示待識別圖像中的前景區域內包含的第二圖像塊的總行數，dm,n,k′A=min{d(xm,nA,xk′,1A),...,d(xm,nA,xk′,n′A),...,d(xm,nA,xk′,L′A)},1≤n′≤L′,]]>L'表示待識別圖像中的前景區域內第k'行第二圖像塊中包含的第二圖像塊的總個數，表示待識別圖像中的前景區域內中心像素點在待識別圖像中坐標位置為(m,n)的第二圖像塊的特征向量，表示待識別圖像中的前景區域內中心像素點在待識別圖像中坐標位置為(k',n')的第二圖像塊的特征向量，(k′,n′)⊆F′;]]>

④采用最鄰近結點算法，找出待識別圖像中的前景區域內的每個第二圖像塊在圖像目標庫內的每幅圖像中的前景區域內的最相似塊，對于在圖像目標庫內的每幅圖像中的前景區域內的第m-l行至第m+l行的所有第一圖像塊中，找出在圖像目標庫內的每幅圖像中的前景區域內的最相似塊，假設在圖像目標庫內的第q幅圖像中的前景區域內的第m-l行至第m+l行的所有第一圖像塊中找出的最相似塊為圖像目標庫內的第q幅圖像中的前景區域內中心像素點在圖像目標庫內的第q幅圖像中坐標位置為(m₁,n₁)的第一圖像塊，則將在圖像目標庫內的第q幅圖像中的前景區域內的第m-l行至第m+l行的所有第一圖像塊中的最相似塊記為其中，m-l≤m₁≤m+l，1≤l≤m，(m1,n1)⊆F;]]>

然后根據待識別圖像中的前景區域內的每個第二圖像塊的特征向量以及待識別圖像中的前景區域內的每個第二圖像塊在圖像目標庫內的每幅圖像中的前景區域內的最相似塊的特征向量，得到待識別圖像中的前景區域內的每個第二圖像塊在圖像目標庫內的每幅圖像中的匹配得分，對于將在圖像目標庫內的第q幅圖像中的匹配得分記為score(xm,nA,xm1,n1B,q)=et1,]]>其中，e表示自然基數，σ為常數，δ₂為一個表示的頻帶寬度的常數，表示的特征向量，表示的特征向量；

⑤根據待識別圖像中的前景區域內的所有第二圖像塊的最小距離塊序列和圖像目標庫內的每幅圖像中的前景區域內的所有第一圖像塊的最小距離塊序列，得到待識別圖像中的前景區域內的所有第二圖像塊相對于圖像目標庫內的每幅圖像的空間約束的約束權值，對于將相對于圖像目標庫內的第q幅圖像的空間約束的約束權值記為w(xm,nA,xm1,n1B,q)=ef1,]]>其中，e表示自然基數，f1=-{Σk′=1K(dm,n,k′A-dm1,n1,k′B,q)}22δ32,]]>δ₃為一個表示的頻帶寬度的常數，表示中的第k'個元素，表示中的第k'個元素，表示在圖像目標庫中的第q幅圖像中的最相似塊的最小距離塊序列，1≤k'≤K，K表示待識別圖像中的前景區域內包含的第二圖像塊的總行數；

⑥根據待識別圖像中的前景區域內的每個第二圖像塊在圖像目標庫內的每幅圖像中的匹配得分以及待識別圖像中的前景區域內的所有第二圖像塊相對于圖像目標庫內的每幅圖像的空間約束的約束權值，得到待識別圖像相對于圖像目標庫內的每幅圖像的匹配得分，將待識別圖像相對于圖像目標庫內第q幅圖像的匹配得分記為Score(IA,IqB)=Σm=1,n=1m=K,n=L{score(xm,nA,xm1,n1B,q)·w(xm,nA,xm1,n1B,q)},]]>其中，I^A表示待識別圖像，表示圖像目標庫中的第q幅圖像；

⑦將圖像目標庫內的每幅圖像按待識別圖像相對于圖像目標庫內每幅圖像的匹配得分從大到小排列，得到一個圖像序列，將待識別圖像中的人體識別為圖像序列中的第一副圖像中的人體。