1.一种基于计算机视觉的目标识别与定位方法，其特征在于：所述方法在结构上包含：原始图像单元、稳态背景单元、瞬态背景单元、稳态目标单元和活跃度评价单元；各单元分别执行以下步骤：

原始图像单元：获取原始图像；

稳态背景单元：获取稳态背景；

瞬态背景单元：获取瞬态背景；

稳态目标单元：获取移动目标；

活跃度评价单元：计算活跃度权重；

获取同时刻稳态目标、稳态背景、及瞬态背景，对每一稳态目标执行以下步骤：获取该稳态目标的范围，计算瞬态背景中该范围内的非零像素数，计算稳态背景中该范围内的非零像素数，以二者比值计算该目标的活跃度权重；获取稳态目标，对每一目标执行以下步骤：根据该目标所在位置计算其位置权重；对每一目标根据其活跃度权重和位置权重计算该目标的综合权重，根据各目标综合权重排序选择最优目标，报告目标位置实现目标定位；

基于OpenCV库中的背景分割类BackgroundSubstractorMOG2，将获取的原始图像同时发送给大history数和小history数的背景分割模型，分别获得稳态背景和瞬态背景。

2.根据权利要求1所述的基于计算机视觉的目标识别与定位方法，其特征在于：获取原始图像包括反复循环执行以下步骤：采集原始图像，保持多通道格式或转换为单通道灰度格式，发送多通道或单通道原始图像；

获取稳态背景包括：通过计算机视觉库建立背景分割模型，并设置其history参数，进而循环执行以下步骤：获取原始图像，将原始图像输入目标检测模型，获取稳态背景黑白图像；

获取瞬态背景包括：通过计算机视觉库建立背景分割模型，并设置其history参数，进而循环执行以下步骤：获取原始图像，将原始图像输入目标检测模型，获取瞬态背景黑白图像；

获取运动目标包括反复循环执行以下步骤：获取稳态背景图像，对其建立层级缩略模型，获取稳态背景中的移动目标。

3.根据权利要求1或2所述的基于计算机视觉的目标识别与定位方法，其特征在于：还包括位置权重评价单元和综合评价单元；各单元执行以下步骤：位置权重评价单元：计算位置权重；

综合评价单元：计算及排序综合权重，输出最优目标。

4.根据权利要求2所述的基于计算机视觉的目标识别与定位方法，其特征在于：原始图像的获取方法包括使用OpenCV的VideoCapture()函数直接获取BGR三通道Mat图像或使用FFmpeg并经解压缩获得YUV三通道AVFrame图像。

5.根据权利要求2所述的基于计算机视觉的目标识别与定位方法，其特征在于：获取稳态背景中，history参数设置为5秒至5分钟图像帧数。

6.根据权利要求2所述的基于计算机视觉的目标识别与定位方法，其特征在于：获取瞬态背景中，history参数设置为不大于1秒图像帧数。

7.根据权利要求1所述的基于计算机视觉的目标识别与定位方法，其特征在于：各单元分别在各自的独立线程内并行工作，利用跨线程消息机制进行相互同步和协调。

8.根据权利要求2所述的基于计算机视觉的目标识别与定位方法，其特征在于：所述计算机视觉库为3.0版本以上的OpenCV库。