1.一种背景分割方法，其特征在于，所述方法包括：为每个像素建立一个高斯混合模型GMMs；

更新所述GMMs模型的充分统计量；

基于更新后的充分统计量计算GMMs模型的参数，获得新的GMMs模型；

根据所述新的GMMs模型确定当前像素为背景或前景。

2.如权利要求1所述的方法，其特征在于，所述根据所述新的GMMs模型确定当前像素为背景或前景包括：

1/2

将所述新的GMMs模型中的高斯模型按照wi/|Σ|i 进行从大到小排序，其中|Σi|为第i个GMMs模型中协方差矩阵的行列式，wi为第i个GMMs模型的权值；

根据所述排序，选择前B个GMMs模型作为背景模型，并判断当前像素是否属于所述前B个GMMs模型，若是，则所述当前像素为背景，否则所述当前像素为前景，所述B为大于零的整数。

3.如权利要求1所述的方法，其特征在于，所述 其中，B表示选取的背景模型个数，T表示GMMs模型中背景数据所占的最小比例，wi为第i个GMMs模型的权值，m为GMMs模型的个数。

4.如权利要求1所述的方法，其特征在于，更新GMMs模型充分统计量的公式为：其中，γk为迭代的系数，0<γk<0.5； 表示像素j属于第i个GMMs模型的概率， 表示GMMs模型中权重wi相关的充分统计量， 表示与高斯模型相关的充分统计量向量，λ表示高斯模型中的参数，k为当前的迭代次数，yj为位置j处的像素值， 为yj的转置。

5.如权利要求1至4任一项所述的方法，其特征在于，基于更新后的充分统计量计算GMMs模型参数的公式为：其中，k表示当前的迭代次数， 表示第i个高斯模型的权重， 表示第i个高斯模型的均值参数， 表示第i个GMMs模型的协方差矩阵。

6.一种背景分割系统，其特征在于，所述系统包括：模型建立单元，用于为每个像素建立一个高斯混合模型GMMs；

更新单元，用于更新所述GMMs模型的充分统计量；

计算单元，用于基于更新后的充分统计量计算GMMs模型的参数，获得新的GMMs模型；

确定单元，用于根据所述新的GMMs模型确定当前像素为背景或前景。

7.如权利要求6所述的系统，其特征在于，所述确定单元包括：

1/2

排序模块，用于将所述新的GMMs模型中的高斯模型按照wi/|Σi| 进行从大到小排序，其中|Σi|为第i个GMMs模型中协方差矩阵的行列式，wi为第i个GMMs模型的权值；

确定模块，用于根据所述排序，选择前B个GMMs模型作为背景模型，并判断当前像素是否属于所述前B个GMMs模型，若是，则所述当前像素为背景，否则所述当前像素为前景，所述B为大于零的整数。

8.如权利要求6所述的系统，其特征在于，所述 其中，B表示选取的背景模型个数，T表示GMMs模型中背景数据所占的最小比例，wi为第i个GMMs模型的权值，m为GMMs模型的个数。

9.如权利要求6所述的系统，其特征在于，所述更新单元更新GMMs模型充分统计量的公式为：其中，γk为迭代的系数，0<γk<0.5； 表示像素j属于第i个GMMs模型的概率， 表示GMMs模型中权重wi相关的充分统计量， 表示与高斯模型相关的充分统计量向量，λ表示高斯模型中的参数，k为当前的迭代次数，yj为位置j处的像素值， 为yj的转置。

10.如权利要求1至4任一项所述的系统，其特征在于，所述计算单元基于更新后的充分统计量计算GMMs模型参数的公式为：其中，k表示当前的迭代次数， 表示第i个高斯模型的权重， 表示第i个高斯模型的均值参数， 表示第i个GMMs模型的协方差矩阵。