1.一种无纹理场景视频的视场区域分割方法，其特征在于，包括：

获取视频中每个像素点在HSI颜色空间中的色调特征值和强度特征值；

获取所述视频中每个像素点的综合轮廓特征值；

获取所述视频中每个像素点的近期动态性特征值；

根据所述每个像素点的综合轮廓特征值、近期动态性特征值以及HSI颜色空间中的色调特征值和强度特征值，生成每个像素点对应的综合视觉特征向量；

根据所述综合视觉特征向量对所述视频中的视场进行区域分割。

2.根据权利要求1所述的方法，其特征在于，所述获取视频中每个像素点在HSI颜色空间中的色调特征值和强度特征值包括：将所述视频的RGB颜色空间转换为所述HSI颜色空间；

将所述HSI颜色空间中的色调的值域划分为第一子集H1、第二子集H2、第三子集H3、第四子集H4、第五子集H5和第六子集H6；

根据所述第一子集H1、第二子集H2、第三子集H3、第四子集H4、第五子集H5和第六子集H6对所述视频中所有像素点的色调值进行归一化和量化，得到每个所述像素点的色调特征值对所述视频中所有像素点的强度值进行量化，得到每个所述像素点的强度特征值其中，H(i，j)|t表示所述视频在第t帧时在坐标(i，j)处的像素点的色调特征值，I(i，j)|t表示所述视频在第t帧时在坐标(i，j)处的像素点的强度特征值，H1＝[30°，90°)，H2＝[90°，150°)，H3＝[150°，210°)，H4＝[210°，270°)，H5＝[270°，330°)，H6＝[330°，360°]+[0°，30°)。

3.根据权利要求2所述的方法，其特征在于，所述获取所述视频中每个像素点的综合轮廓特征值包括：基于所述HSI颜色空间的S通道，采用Hough变换计算所述视频第t帧内的图像轮廓，得到第t帧内坐标(i，j)处的像素点的第一轮廓特征值基于所述HSI颜色空间的I通道，采用Canny算子计算所述视频第t帧内的图像轮廓，得到第t帧内坐标(i，j)处的像素点的第二轮廓特征值基于所述HSI颜色空间的I通道，采用Isotropic Sobel算子计算所述视频第t帧内的图像轮廓，得到第t帧内坐标(i，j)处的像素点的第三轮廓特征值对所述第一轮廓特征值、所述第二轮廓特征值和所述第三轮廓特征值求交集，生成所述视频在第t帧内坐标(i，j)处的像素点的综合轮廓特征值

4.根据权利要求3所述的方法，其特征在于，所述获取所述视频中每个像素点的近期动态性特征值包括：对所述视频在强度通道中的每个像素点构建GMM模型；

根据所述GMM模型确定所述视频中每个像素点上发生的显著性强度值变化的次数；

根据所述视频中每个像素点上发生的显著性强度值变化的次数确定每个所述像素点的近期动态性特征值其中， 表示所述视频在强度通道上从第k帧到第t帧的时间段内在坐标(i，j)处的像素点上发生的显著性强度值变化的次数，D(i，j)|t表示所述视频在强度通道上从第k帧到第t帧的时间段内在坐标(i，j)处的像素点的近期动态性特征值，100≤t-k≤20000。

5.根据权利要求4所述的方法，其特征在于，所述根据所述每个像素点的综合轮廓特征值、近期动态性特征值以及HSI颜色空间中的色调特征值和强度特征值，生成每个像素点对应的综合视觉特征向量包括：将所述每个像素点在HSI颜色空间中的色调特征值和强度特征值、综合轮廓特征值、近期动态性特征值依次排列，生成每个像素点对应的综合视觉特征向量f(i，j)|t＝(H(i，j)|t，I(i，j)|t，S(i，j)|t，D(i，j)|t)；其中，f(i，j)|t表示所述视频在第t帧时在坐标(i，j)处的像素点的综合视觉特征向量；

所述根据所述综合视觉特征向量对所述视频中的视场进行区域分割包括：

对当前视频帧内所有像素点生成的所述综合视觉特征向量f(i，j)|t＝(H(i，j)|t，I(i，j)|t，S(i，j)|t，D(i，j)|t)进行聚类分析；

将通过所述聚类分析被归为一类的综合视觉特征向量所对应的像素点划分为同一个区域，使得所述视频中的视场区域被分割。

6.一种无纹理场景视频的视场区域分割装置，其特征在于，包括：

第一获取模块，用于获取视频中每个像素点在HSI颜色空间中的色调特征值和强度特征值；

第二获取模块，用于获取所述视频中每个像素点的综合轮廓特征值；

第三获取模块，用于获取所述视频中每个像素点的近期动态性特征值；

生成模块，用于根据所述每个像素点的综合轮廓特征值、近期动态性特征值以及HSI颜色空间中的色调特征值和强度特征值，生成每个像素点对应的综合视觉特征向量；

分割模块，用于根据所述综合视觉特征向量对所述视频中的视场进行区域分割。

7.根据权利要求6所述的装置，其特征在于，所述第一获取模块包括转换子模块、第一划分子模块、第一量化子模块和第二量化子模块；

转换子模块，用于将所述视频的RGB颜色空间转换为所述HSI颜色空间；

第一划分子模块，用于将所述HSI颜色空间中的色调的值域划分为第一子集H1、第二子集H2、第三子集H3、第四子集H4、第五子集H5和第六子集H6；

第一量化子模块，用于根据所述第一子集H1、第二子集H2、第三子集H3、第四子集H4、第五子集H5和第六子集H6对所述视频中所有像素点的色调值进行归一化和量化，得到每个所述像素点的色调特征值第二量化子模块，用于对所述视频中所有像素点的强度值进行量化，得到每个所述像素点的强度特征值其中，H(i，j)|t表示所述视频在第t帧时在坐标(i，j)处的像素点的色调特征值，I(i，j)|t表示所述视频在第t帧时在坐标(i，j)处的像素点的强度特征值，H1＝[30°，90°)，H2＝[90°，150°)，H3＝[150°，210°)，H4＝[210°，270°)，H5＝[270°，330°)，H6＝[330°，360°]+[0°，30°)。

8.根据权利要求7所述的装置，其特征在于，所述第二获取模块包括第一确定子模块、第二确定子模块、第三确定子模块和第一生成子模块；

所述第一确定子模块，用于基于所述HSI颜色空间的S通道，采用Hough变换计算所述视频第t帧内的图像轮廓，得到第t帧内坐标(i，j)处的像素点的第一轮廓特征值所述第二确定子模块，用于基于所述HSI颜色空间的I通道，采用Canny算子计算所述视频第t帧内的图像轮廓，得到第t帧内坐标(i，j)处的像素点的第二轮廓特征值所述第三确定子模块，用于基于所述HSI颜色空间的I通道，采用Isotropic Sobel算子计算所述视频第t帧内的图像轮廓，得到第t帧内坐标(i，j)处的像素点的第三轮廓特征值所述第一生成子模块，用于对所述第一轮廓特征值、所述第二轮廓特征值和所述第三轮廓特征值求交集，生成所述视频在第t帧内坐标(i，j)处的像素点的综合轮廓特征值

9.根据权利要求8所述的装置，其特征在于，所述第三获取模块包括构建子模块、第四确定子模块和第五确定子模块；

所述构建子模块，用于对所述视频在强度通道中的每个像素点构建GMM模型；

所述第四确定子模块，用于根据所述GMM模型确定所述视频中每个像素点上发生的显著性强度值变化的次数；

所述第五确定子模块，用于根据所述视频中每个像素点上发生的显著性强度值变化的次数确定每个所述像素点的近期动态性特征值其中， 表示所述视频在强度通道上从第k帧到第t帧的时间段内在坐标(i，j)处的像素点上发生的显著性强度值变化的次数，D(i，j)|t表示所述视频在强度通道上从第k帧到第t帧的时间段内在坐标(i，j)处的像素点的近期动态性特征值，100≤t-k≤20000。

10.根据权利要求9所述的装置，其特征在于，所述生成模块包括第二生成子模块，所述分割模块包括分析子模块和第二划分子模块；

所述第二生成子模块，用于将所述每个像素点在HSI颜色空间中的色调特征值和强度特征值、综合轮廓特征值、近期动态性特征值依次排列，生成每个像素点对应的综合视觉特征向量f(i，j)|t＝(H(i，j)|t，I(i，j)|t，S(i，j)|t，D(i，j)|t)；其中，f(i，j)|t表示所述视频在第t帧时在坐标(i，j)处的像素点的综合视觉特征向量；

所述分析子模块，用于对当前视频帧内所有像素点生成的所述综合视觉特征向量f(i，j)|t＝(H(i，j)|t，I(i，j)|t，S(i，j)|t，D(i，j)|t)进行聚类分析；

所述第二划分子模块，用于将通过所述聚类分析被归为一类的综合视觉特征向量所对应的像素点划分为同一个区域，使得所述视频中的视场区域被分割。