1.一种现场作业人员身份特征融合识别方法，其特征在于，包括：对监控视频文件或实时监控视频流进行解码抽帧，得到序列帧；对所述序列帧进行行人检测、行人重识别和行人跟踪，提取待识别对象的步态图像序列和步态轮廓序列，构成目标特征集；将待识别对象的目标特征集与预先构建的目标库进行匹配，识别出待识别对象的身份；所述目标库中包括预先绑定作业人员身份的目标特征集和作业人员的人脸库。
2.根据权利要求1所述的一种现场作业人员身份特征融合识别方法，其特征在于，预先构建目标库的步骤，包括：获取包含作业人员的监控视频文件或实时监控视频流进行解码抽帧，得到序列帧；对所述序列帧进行行人检测、行人重识别和行人跟踪，得到每一目标的步态图像序列和步态轮廓序列构成目标特征集；一个目标为一个作业人员；基于作业人员信息库将作业人员身份与每一目标的目标特征集进行绑定，得到绑定有作业人员身份的目标特征集构成的目标库。
3.根据权利要求1或2所述的一种现场作业人员身份特征融合识别方法，其特征在于，对所述序列帧进行行人检测、行人重识别和行人跟踪，包括：采用行人目标检测模型对所得到的序列帧进行行人检测，检测到包含行人目标的行人目标框的位置，根据行人目标框位置从所述序列帧图像中截取行人图像；根据行人图像提取行人重识别特征；将所提取的行人重识别特征与前一帧中的行人重识别特征进行匹配，对行人进行跟踪；基于行人跟踪，获取行人目标在连续n帧中的行人图像作为步态图像序列；n为预设的阈值，n∈N+；对所述步态图像序列每一帧中的行人图像进行人形分割，并对分割结果进行归一化和二值化处理得到步态轮廓图，并得到连续n帧的步态轮廓图作为步态轮廓序列；将每一行人目标的步态图像序列和步态轮廓序列作为该行人目标的目标特征集。
4.根据权利要求3所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述行人目标检测模型采用yolov5模型。
5.根据权利要求3所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述根据行人图像提取行人重识别特征，包括：采用OSNet模型提取行人重识别特征。
6.根据权利要求3所述的一种现场作业人员身份特征融合识别方法，其特征在于，对所述步态图像序列每一帧中的行人图像进行人形分割，包括：采用语义分割模型Fast-SCNN对行人图像进行人形分割。
7.根据权利要求3所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述基于作业人员信息库将作业人员身份与每一目标的目标特征集进行绑定，包括：通过人脸检测算法从每一目标的目标特征集的步态图像序列中提取人脸；以作业人员信息库中的人脸库作为底库，对从步态图像序列中提取的人脸进行人脸识别；若识别成功，则将作业人员信息库中的对应作业人员身份与该人脸对应的目标特征集进行绑定，并将作业人员信息库中的人脸和从步态图像序列中提取的人脸添加至目标库的人脸库；若识别不成功，或者无法检测到人脸，则通过查看目标特征集的步态图像序列生成的步态视频，确认作业人员身份并绑定，并将作业人员信息库中该作业人员的人脸添加到目标库的人脸库；所有已绑定身份的目标特征集和人脸库构成目标库。
8.根据权利要求7所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述人脸检测算法采用人脸检测模型MTCNN。
9.根据权利要求7所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述对从步态图像序列中提取的人脸图像进行人脸识别，包括：采用人脸识别模型MobileFaceNet对人脸图像进行人脸识别。
10.根据权利要求1所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述将待识别对象的目标特征集与预先构建的目标库进行匹配，识别出待识别对象的身份，包括：通过人脸检测算法从待识别对象的目标特征集的步态图像序列中提取人脸；以目标库中的人脸库为底库，计算待识别对象的人脸与目标库所有作业人员的人脸之间的相似度，若最大相似度大于预设阈值Th f ，则将待识别对象识别为该具有最大相似度的作业人员；若无法提取人脸或通过人脸计算的相似度不存在大于阈值Thf的作业人员，则以目标库中的步态轮廓序列为底库，计算待识别对象的步态特征与目标库所有作业人员的步态特征之间的相似度，若最大相似度大于预设阈值Th g ，则将待识别对象识别为该具有最大相似度的作业人员；若通过人脸和步态特征均未识别出待识别对象身份，则以从目标库中的步态图像序列提取的行人重识别特征为底库，计算待识别对象的行人重识别特征与目标库所有作业人员的行人重识别特征之间的相似度并排序，对相似度排名的前五，按排名顺序赋不同权重，并将相同目标库作业人员的相似度进行相加，最终得到比对结果，取排名第一的目标库作业人员作为待识别对象的身份识别结果。
11.根据权利要求10所述的一种现场作业人员身份特征融合识别方法，其特征在于，采用步态识别模型GaitSet进行步态特征提取。
12.根据权利要求10所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述计算待识别对象的行人重识别特征，包括：对待识别对象提取头肩特征与全局特征，并对提取的两类特征赋予不同权重进行融合，作为待识别对象的行人重识别特征。
13.根据权利要求1或2所述的一种现场作业人员身份特征融合识别方法，其特征在于，所述对监控视频文件或实时监控视频流进行解码抽帧，得到序列帧，包括：采用开源工具OpenCV进行视频抽帧，得到序列帧。
14.用于实现权利要求1至13任意一项所述的现场作业人员身份特征融合识别方法的现场作业人员身份特征融合识别系统，其特征在于，包括：视频解码单元，用于对监控视频文件或实时监控视频流进行解码抽帧，得到序列帧并缓存；特征提取单元，用于对缓存的所述序列帧进行行人检测、行人重识别和行人跟踪，提取行人目标的步态图像序列和步态轮廓序列，构成目标特征集；匹配单元，用于将待识别对象的目标特征集与预先构建的目标库进行匹配，识别出待识别对象的身份；所述目标库中包括预先绑定作业人员身份的目标特征集和作业人员的人脸库。
15.根据权利要求14所述的现场作业人员身份特征融合识别系统，其特征在于，所述特征提取单元包括：行人检测单元，用于对视频解码单元缓存的序列帧进行行人检测，检测到包含行人目标的行人目标框的位置，根据行人目标框位置从所述序列帧图像中截取行人图像并缓存；行人跟踪单元，用于对行人检测单元缓存的行人图像提取行人重识别特征，以及与前一帧中的行人重识别特征进行匹配，对同一行人目标进行跟踪；步态分割单元，用于基于行人跟踪，获取行人目标在连续n帧中的行人图像作为步态图像序列；n为预设的阈值，n∈N+；以及对所述步态图像序列每一帧中的行人图像进行人形分割，并对分割结果进行归一化和二值化处理得到步态轮廓图，得到连续n帧的步态轮廓图作为步态轮廓序列并缓存。
16.根据权利要求14所述的现场作业人员身份特征融合识别系统，其特征在于，还包括：人员绑定单元，用于将作业人员信息库中的作业人员身份与预先获取的作业人员的目标特征集进行绑定，形成目标库。
17.根据权利要求16所述的现场作业人员身份特征融合识别系统，其特征在于，所述匹配单元包括：人脸识别单元：用于通过人脸检测算法从待识别对象的目标特征集的步态图像序列中提取人脸；以目标库中的人脸库为底库，计算待识别对象的人脸与目标库所有作业人员的人脸之间的相似度，若最大相似度大于预设阈值Th f ，则将待识别对象识别为该具有最大相似度的作业人员并缓存；步态识别单元：用于以目标库中的步态轮廓序列为底库，计算待识别对象的步态特征与目标库所有作业人员的步态特征之间的相似度，若最大相似度大于预设阈值Th g ，则将待识别对象识别为该具有最大相似度的作业人员并缓存；行人重识别单元：用于以从目标库中的步态图像序列提取的行人重识别特征为底库，计算待识别对象的行人重识别特征与目标库所有作业人员的行人重识别特征之间的相似度并排序，对相似度排名的前五，按排名顺序赋不同权重，并将相同目标库作业人员的相似度进行相加，最终得到比对结果，取排名第一的目标库作业人员作为待识别对象的身份识别结果并缓存。
