1.一种基于决策层融合的无色彩场景区域分割方法，其特征在于，包括如下步骤：步骤S1，获取无色彩视频中某一图像帧的每一个像素点的亮度特征值，并根据所述亮度特征值对所述某一图像帧进行关于亮度的第一场景区域分割处理；

步骤S2，通过并行计算模式，同步地获取所述某一图像帧的每一个像素点的复合纹理特征值，并根据所述复合纹理特征值对所述某一图像帧进行关于纹理的第二场景区域分割处理；

步骤S3，通过并行计算模式，同步地获取所述某一图像帧的每一个像素点的综合轮廓特征值，并根据所述综合轮廓特征值对所述某一图像帧进行关于轮廓的第三场景区域分割处理；

步骤S4，通过并行计算模式，同步地获取所述某一图像帧的每一个像素点的近期动态性特征值，并根据所述近期动态性特征值对所述某一图像帧进行关于动态性的第四场景区域分割处理；

步骤S5，对所述第一场景区域分割处理、所述第二场景区域分割处理、所述第三场景区域分割处理和所述第四场景区域分割处理各自的分割结果进行决策层融合处理，以生成关于所述某一图像帧的综合场景区域分割结果；

在所述步骤S3中，获取所述某一图像帧的每一个像素点的综合轮廓特征值，并根据所述综合轮廓特征值对所述某一图像帧进行关于轮廓的第三场景区域分割处理具体包括，步骤S301，通过Hough变换算法计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第一轮廓特征值shough(i,j)|t，其中，所述第一轮廓特征值shough(i,j)|t满足下面式(3)步骤S302，通过Canny算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第二轮廓特征值scanny(i，j)︱t，其中，所述第二轮廓特征值scanny(i，j)︱t满足下面式(4)步骤S303，通过Isotropic Sobel算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第三轮廓特征值ssobel(i,j)|t，其中，所述第三轮廓特征值ssobel(i,j)|t满足下面式(5)步骤S304，根据下面式(6)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求交集运算处理，以得到第一类轮廓特征值S1(i,j)|t步骤S305，根据下面式(7)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求并集运算处理，以得到第二类轮廓特征值S2(i,j)|t步骤S306，根据下面式(8)，将所述第一类轮廓特征值S1(i,j)|t和所述第二类轮廓特征值S2(i,j)|t组合得到所述综合轮廓特征值S(i,j)|tS(i,j)|t＝(S1(i,j)|t,S2(i,j)|t)  (8)；

步骤S307，对所述某一图像帧的所有像素点的综合轮廓特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S308，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于纹理的第三场景区域分割处理。

2.如权利要求1所述的基于决策层融合的无色彩场景区域分割方法，其特征在于：在所述步骤S1中，获取无色彩视频中某一图像帧的每一个像素点的亮度特征值，并根据所述亮度特征值对所述某一图像帧进行关于亮度的第一场景区域分割处理具体包括，步骤S101，根据下面式(1)，对所述无色彩视频中某一图像帧的所有像素点的亮度值进行归一化和量化处理，以计算得到亮度特征值，在上述式(1)，I(i,j)|t为所述无色彩视频的某一图像帧在坐标(i，j)处的像素点的亮度特征值，I(i，j)为所述无色彩视频的某一图像帧在坐标(i，j)处的像素点的亮度值；

步骤S102，对所述某一图像帧的所有像素点的亮度特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S103，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于亮度的第一场景区域分割处理；

或者，

在所述步骤S2中，获取所述某一图像帧的每一个像素点的复合纹理特征值 ，并根据所述复合纹理 特征值对所述某一图像帧进行关于纹理 的第三场景区域分割处理具体包括，步骤S201，通过原始LBP算子，计算获得所述某一图像帧在坐标(i，j)处的像素点的LBP纹理值W1(i,j)|t；

步骤S202，通过圆形LBP算子，计算获得所述某一图像帧在坐标(i，j)处的像素点的LBP纹理值W2(i,j)|t；

步骤S203，根据下面式(2)，获取所述某一图像帧在坐标(i，j)处的像素点的复合纹理特征值W(i,j)|tW(i,j)|t＝0.6×W1(i,j)|t+0.4×W2(i,j)|t  (2)；

步骤S204，对所述复合纹理特征值W(i,j)|t进行归一化处理，以使其的值域为[0，1]；

步骤S205，对所述某一图像帧的所有像素点的复合纹理特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S206，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于纹理的第二场景区域分割处理。

3.如权利要求1所述的基于决策层融合的无色彩场景区域分割方法，其特征在于：在所述步骤S4中，获取所述某一图像帧的每一个像素点的近期动态性特征值，并根据所述近期动态性特征值对所述某一图像帧进行关于动态性的第四场景区域分割处理具体包括，步骤S401，构建关于所述某一图像帧中每一个像素点的混合高斯背景模型GMM；

步骤S402，统计每一个像素点对应的显著性强度值变化的次数，其中，所述显著性强度值变化是指像素点的强度值变化幅度超出其对应的混合高斯背景模型GMM所限定的强度值正常变化范围；

步骤S403，根据下面式(9)获取每一个像素点的近期动态性特征值

在上述式(9)中， 为在上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的次数，D(i,j)|t为在从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的频率，D(i,j)|t为处于坐标(i，j)处的像素点对应的近期动态性特征值，并且满足100≤t-k≤20000；

步骤S404，根据下面式(10)，对所述近期动态性特征值D(i,j)|t进行量化处理在上述式(10)中，D(i,j)|t为量化处理后的近期动态性特征值，D(i，j)为步骤S403中计算得到的实际近期动态性特征值；

步骤S405，对所述某一图像帧的所有像素点的近期动态性特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

步骤S406，将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于动态性的第四场景区域分割处理。

4.如权利要求1所述的基于决策层融合的无色彩场景区域分割方法和装置，其特征在于：在所述步骤S5中，对所述第一场景区域分割处理、所述第二场景区域分割处理、所述第三场景区域分割处理和所述第四场景区域分割处理各自的分割结果进行决策层融合处理，以生成关于所述某一图像帧的综合场景区域分割结果具体包括，步骤S501，将所述第一场景区域分割处理、所述第二场景区域分割处理、所述第三场景区域分割处理和所述第四场景区域分割处理各自的分割结果进行逻辑“与”运算，以得到所述决策层融合处理的结果；

步骤S502，根据所述决策层融合处理的结果，生成关于所述某一图像帧中每一个像素点的类别号的四维向量C(i,j)|t，以作为所述综合场景区域分割结果，其中，所述四维向量C(i,j)|t的具体形式如下式(11)C(i,j)|t＝(CI(i,j)|t,CW(i,j)|t,CS(i,j)|t,CD(i,j)|t)  (11)在上述式(11)中，CI(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第一场景区域分割处理结构的类别号，CW(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第二场景区域分割处理结构的类别号，CS(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第三场景区域分割处理结构的类别号，CD(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第四场景区域分割处理结构的类别号，其中所述某一图像帧中具有相同类别号的像素点隶属于同一场景区域。

5.一种基于决策层融合的无色彩场景区域分割装置，其特征在于，所述装置包括：第一特征值获取模块，其用于获取无色彩视频中某一图像帧的每一个像素点的亮度特征值；

第二特征值获取模块，其用于获取所述某一图像帧的每一个像素点的复合纹理特征值；

第三特征值获取模块，其用于获取所述某一图像帧的每一个像素点的综合轮廓特征值；

第四特征值获取模块，其用于获取所述某一图像帧的每一个像素点的近期动态性特征值；

第一场景区域分割模块，其用于根据所述亮度特征值对所述某一图像帧进行关于亮度的第一场景区域分割处理；

第二场景区域分割模块，其用于根据所述复合纹理特征值对所述某一图像帧进行关于纹理的第二场景区域分割处理；

第三场景区域分割模块，其用于根据所述综合轮廓特征值对所述某一图像帧进行关于轮廓的第三场景区域分割处理；

第四场景区域分割模块，其用于据所述近期动态性特征值对所述某一图像帧进行关于动态性的第四场景区域分割处理；

综合场景区域分割结果生成模块，其用于对所述第一场景区域分割处理、所述第二场景区域分割处理、所述第三场景区域分割处理和所述第四场景区域分割处理各自的分割结果进行决策层融合处理，以生成关于所述某一图像帧的综合场景区域分割结果；

所述第三特征值获取子模块包括第一轮廓特征值获取子模块、第二轮廓特征值获取子模块、第三轮廓特征值获取子模块、第一类轮廓特征值获取子模块、第二类轮廓特征值获取子模块和综合轮廓特征值获取子模块；其中，所述第一轮廓特征值获取子模块通过Hough变换算法计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第一轮廓特征值shough(i,j)|t，其中，所述第一轮廓特征值shough(i,j)|t满足下面式(3)所述第二轮廓特征值获取子模块用于通过Canny算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第二轮廓特征值scanny(i，j)︱t，其中，所述第二轮廓特征值scanny(i，j)︱t满足下面式(4)所述第三轮廓特征值获取子模块用于通过Isotropic Sobel算子计算所述无色彩视频的某一图像帧的图像轮廓，以得到所述某一图像帧内坐标(i，j)处的像素点的第三轮廓特征值ssobel(i,j)|t，其中，所述第三轮廓特征值ssobel(i,j)|t满足下面式(5)所述第一类轮廓特征值获取子模块用于根据下面式(6)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求交集运算处理，以得到第一类轮廓特征值S1(i,j)|t所述第二类轮廓特征值获取子模块用于根据下面式(7)，对所述第一轮廓特征值shough(i,j)|t、所述第二轮廓特征值scanny(i，j)︱t和所述第三轮廓特征值ssobel(i,j)|t进行求并集运算处理，以得到第二类轮廓特征值S2(i,j)|t所述综合轮廓特征值获取子模块用于根据下面式(8)，将所述第一类轮廓特征值S1(i,j)|t和所述第二类轮廓特征值S2(i,j)|t组合得到所述综合轮廓特征值S(i,j)|tS(i,j)|t＝(S1(i,j)|t,S2(i,j)|t)  (8)；

所述第三场景区域分割模块包括第三聚类分析子模块和第三像素点划分子模块；其中，所述第三聚类分析子模块用于对所述某一图像帧的所有像素点的综合轮廓特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第三像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于纹理的第三场景区域分割处理。

6.如权利要求5所述的基于决策层融合的无色彩场景区域分割装置，其特征在于：所述第一特征值获取模块包括亮度量化处理子模块；其中，

所述亮度量化处理子模块用于根据下面式(1)，对所述无色彩视频中某一图像帧的所有像素点的亮度值进行归一化和量化处理，以计算得到亮度特征值，在上述式(1)，I(i,j)|t为所述无色彩视频的某一图像帧在坐标(i，j)处的像素点的亮度特征值，I(i，j)为所述无色彩视频的某一图像帧在坐标(i，j)处的像素点的亮度值；

所述第一场景区域分割模块包括第一聚类分析子模块和第一像素点划分子模块；其中，所述第一聚类分析子模块用于对所述某一图像帧的所有像素点的亮度特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第一像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于亮度的第一场景区域分割处理；

或者，

所述第二特征值获取模块包括第一LBP纹理值计算子模块、第二LBP纹理值计算子模块、复合纹理值计算子模块和复合纹理值归一化子模块；

其中，

所述第一LBP纹理值计算子模块用于通过原始LBP算子，计算获得所述某一图像帧在坐标(i，j)处的像素点的LBP纹理值W1(i,j)|t；

所述第二LBP纹理值计算子模块用于通过圆形LBP算子，计算获得所述某一图像帧在坐标(i，j)处的像素点的LBP纹理值W2(i,j)|t；

所述复合纹理值计算子模块用于根据下面式(2)，计算所述某一图像帧在坐标(i，j)处的像素点的复合纹理特征值W(i,j)|tW(i,j)|t＝0.6×W1(i,j)|t+0.4×W2(i,j)|t  (2)；

所述复合纹理值归一化子模块用于对所述复合纹理特征值W(i,j)|t进行归一化处理，以使其的值域为[0，1]；

所述第二场景区域分割模块包括第二聚类分析子模块和第二像素点划分子模块；其中，所述第二聚类分析子模块用于对所述某一图像帧的所有像素点的复合纹理特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第二像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于纹理的第二场景区域分割处理。

7.如权利要求5所述的基于决策层融合的无色彩场景区域分割装置，其特征在于：所述第四特征值获取模块包括背景模型构建子模块、强度值变化统计子模块、近期动态值计算子模块和量化处理子模块；其中，所述背景模型构建子模块用于构建关于所述某一图像帧中每一个像素点的混合高斯背景模型GMM；

所述强度值变化统计子模块用于统计每一个像素点对应的显著性强度值变化的次数，其中，所述显著性强度值变化是指像素点的强度值变化幅度超出其对应的混合高斯背景模型GMM所限定的强度值正常变化范围；

所述近期动态值计算子模块用于根据下面式(9)获取每一个像素点的近期动态性特征值在上述式(9)中， 为在上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的次数，D(i,j)|t为在上从图像帧k到另一图像帧t之间的时间中处于坐标(i，j)处的像素点对应的显著性强度变化的频率，D(i,j)|t为处于坐标(i，j)处的像素点对应的近期动态性特征值，并且满足100≤t-k≤20000；

所述量化处理子模块用于根据下面式(10)，对所述近期动态性特征值D(i,j)|t进行量化处理在上述式(10)中，D(i,j)|t为量化处理后的近期动态性特征值，D(i，j)为步骤S403中计算得到的实际近期动态性特征值；

所述第四场景区域分割模块包括第四聚类分析子模块和第四像素点划分子模块；其中，所述第四聚类分析子模块对所述某一图像帧的所有像素点的近期动态性特征值进行聚类分析处理，以确定每一个像素点所属的聚类；

所述第四像素点划分子模块用于将属于同一聚类的像素点划入同一区域，以实现对所述某一图像帧的关于动态性的第四场景区域分割处理。

8.如权利要求5所述的基于决策层融合的无色彩场景区域分割装置，其特征在于：所述综合场景区域分割结果生成模块包括决策层融合处理子模块和四维向量生成子模块；其中，所述决策层融合处理子模块用于将所述第一场景区域分割处理、所述第二场景区域分割处理、所述第三场景区域分割处理和所述第四场景区域分割处理各自的分割结果进行逻辑“与”运算，以得到所述决策层融合处理的结果；

所述四维向量生成子模块用于根据所述决策层融合处理的结果，生成 关于所述某一图像帧中每一个像素点的类别号的四维向量C(i,j)|t，以作为所述综合场景区域分割结果，其中，所述四维向量C(i,j)|t的具体形式如下式(11)C(i,j)|t＝(CI(i,j)|t,CW(i,j)|t,CS(i,j)|t,CD(i,j)|t)  (11)在上述式(11)中，CI(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第一场景区域分割处理结构的类别号，CW(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第二场景区域分割处理结构的类别号，CS(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第三场景区域分割处理结构的类别号，CD(i,j)|t为所述某一图像帧的处于坐标(i，j)处的像素点关于所述第四场景区域分割处理结构的类别号，其中所述某一图像帧中具有相同类别号的像素点隶属于同一场景区域。