1.一种面向智能家居场景下的人形轮廓分析提取方法，其特征在于，包括以下步骤：(1)对预先获取的视频帧图像进行预处理，所述预处理包括图像去噪和图像灰度化处理；

(2)基于改进GMM的前景快速提取方法，提取当前帧的运动目标对应的二值图，并对其进行形态学处理，得到目标轮廓列表contours；

(3)遍历目标轮廓列表contours，计算每一个运动目标的宽度直方图，根据其宽度直方图的变化趋势，计算当前轮廓的头肩比，判断当前轮廓是否为人形轮廓，将人形轮廓添加到列表shapes；

(4)若shapes为空，读取下一帧图片；若列表不为空，对列表中的每一个轮廓使用最小矩形进行拟合；

(5)通过基于交并比和重心距离的轮廓跟踪法和基于人脸识别的轮廓跟踪法，将当前帧轮廓与前一帧轮廓对应起来，实现人形轮廓的连续提取。

2.根据权利要求1所述的一种面向智能家居场景下的人形轮廓分析提取方法，其特征在于，所述步骤(2)包括以下步骤：(21)采用模型快速移植加载机制，综合多种典型的家居场景，训练基础高斯混合模型，应用到具体的家居场景时，加载训练好的基础模型，通过以下公式实现：其中，μi和σi为第i个典型场景的高斯混合模型的均值和方差矩阵，I(f(xi)＝yi)用于判断当前家居场景是否包含第i个典型场景的背景；

(22)使用视频的前十帧图像进行背景训练，将背景训练得到的高斯模型按照权值系数的比值从大到小进行排序，采集到的当前帧图像的每个像素点的灰度值与已有的高斯模型进行匹配，若匹配成功，则该像素点为背景点，否则，该像素点为前景；训练过程中对背景进行实时更新，通过下式实现：其中，xt为当前像素点的像素值， 表示t时刻高斯混合模型中第i个高斯分布的权值系数的估计值， 和 表示t时刻高斯混合模型中第i个高斯分布的均值向量和协方差矩阵，M为匹配值，匹配成功时为1，否则为0，α为参数学习率，α越大背景更新速度越快，越能适应新的场景。

3.根据权利要求1所述的一种面向智能家居场景下的人形轮廓分析提取方法，其特征在于，所述步骤(3)包括以下步骤：(31)绘制轮廓宽度直方图；

(32)计算宽度直方图的驻点，驻点对应人的头部轮廓、颈部轮廓、肩部轮廓和腿部轮廓，若驻点数小于4，则判为非人形轮廓；否则，转入步骤(33)；

(33)比较每一个驻点纵坐标的大小，若满足y驻点2＜y驻点1,y驻点4＜y驻点3，则转入步骤(34)；

否则，判为非人形轮廓；

(34)计算头部宽度与肩部宽度的比值 若λ的大小满足条件th1≤λ≤th2，则判为人形轮廓；否则，判为非人形轮廓；其中，th1和th2为设定的阈值，行人正对摄像机对应阈值th1，行人侧对摄像机对应阈值th2。

4.根据权利要求1所述的一种面向智能家居场景下的人形轮廓分析提取方法，其特征在于，所述步骤(5)包括以下步骤：(51)获取一帧图像中的每个人形轮廓的头肩比，判断是否为已存在的人形，若是，则提取相应轮廓，并进行标注；若不是，则转入步骤(52)；

(52)根据宽度直方图，获取人脸区域，将前一帧已提取的人脸与当前轮廓进行匹配，若匹配到相符合的人脸，则为同一人形；否则，转入步骤(53)；

(53)计算每个轮廓前后两帧间矩形之间的交并比和重心距离，筛选出交并比符合[ε，

1]的矩形框，选取重心距离最小的作为与上一帧匹配的轮廓，判定为同一个人形，其中ε为交并比阈值。