1.一种运动目标的检测识别方法，其特征在于：所述检测识别方法包括以下步骤：
s10：采集预设区域的视频序列数据；
s20：根据所述视频序列数据获得第一目标区域；以及
s30:识别所述第一目标区域中的运动目标。
2.根据权利要求1所述的检测识别方法，其特征在于，所述步骤s20包括以下步骤：
s21：对所述视频序列数据中的相邻帧图像进行差分运算获得差分图像；
s22：由所述差分图像定义更新函数；
s23：由更新函数进行历史图计算以获得所述第一目标区域。
3.根据权利要求1或2所述的检测识别方法，其特征在于，所述步骤s30包括以下步骤：
s31：将当前帧图像输入至一深度网络得到映射图；
s32：对所述映射图进行边界框预测；
s33：对获得的边界框使用逻辑回归进行多标签预测分类，得到第二目标区域；
s34：采用第二目标区域对所述第一目标区域进行比较修正，识别所述运动目标。
4.根据权利要求2所述的检测识别方法，其特征在于，步骤s21采用式(1)获得所述差分图像，
d(x,y,n)＝|f(x,y,n)-f(x,y,(n-1))|(式1)
其中，f(x,y,n)和f(x,y,(n-1))分别是视频序列的第n时刻和第n-1时刻图像的像素值，d(x,y,n)为输出差分图像各像素的绝对差值，n为正整数，且n≥1，x，y分别为像素x方向和y方向上的坐标。
5.根据权利要求4所述的检测识别方法，其特征在于，步骤s22采用式(2)获得所述更新函数ψ(x,y,n)，
其中d(x,y,n)为式(1)所述差分图像各像素的像素值，ξ为差异阈值。
6.根据权利要求5所述的检测识别方法，其特征在于，步骤s23中的历史图计算采用式(3)执行，
其中，h(x,y,n)为强度值，τ为持续时间，从帧数的角度决定了运动的时间范围，δ为衰退参数。
7.根据权利要求6所述的检测识别方法，其特征在于，步骤s23还包括对式(3)获得的结果利用式(4)进行去噪，获得所述目标区域，
其中，w为目标区域，b为3*3的模板元素，
8.根据权利要求3所述的检测识别方法，其特征在于，步骤s32中采用式(5)来执行边界框预测，
bx＝σ(tx)+cx
by＝σ(ty)+cy
(cx,cy)是映射图中的映射图单元相对映射图左上角的偏移，pw和ph分别是预测前边界的宽和高，(tx、ty、tw、th)为网络预测的归一化的边界框坐标位置，(bx、by)为预测得到边界框的绝对中心坐标，bw和bh分别是预测得到边界框的绝对宽和高。
9.根据权利要求1所述的检测识别方法，其特征在于：所述检测识别方法在步骤s30之后，还包括：
s40：对确认的运动目标进行加框显示。
10.一种运动目标的检测识别系统，其特征在于，所述检测识别系统包括：
图像采集装置，配置为采集预设区域的视频序列数据；
目标检测装置，配置为根据所述视频序列数据获得第一目标区域；以及
目标识别装置，识别所述第一目标区域中的运动目标。