1.一种融合前景检测的行人定位方法，其特征在于，包括以下步骤：
将视频序列图像中各个位置的像素点的信息用K个高斯分布模型表示；
初始化K个高斯分布模型后，找到与该K个高斯分布模型匹配的像素点，然后按照当前图像匹配结果对K个高斯分布模型按预定规则更新；
将下一帧图像的每个像素点的像素数据与上一帧图像更新后的高斯分布模型做比较，如果下一帧图像的一个位置像素点的像素数据与上一帧图像更新的高斯分布模型匹配，则该像素点的位置为背景区域，否则为运动目标区域；
选择前B个匹配的高斯分布模型作为背景模型，并利用该背景模型进行前景检测，获取前景区域；
对获取的前景区域分别利用boosting模型进行行人检测，获取行人位置。
2.根据权利要求1所述融合前景检测的行人定位方法，其特征在于，所述K个高斯分布模型的K的取值为3-5。
3.根据权利要求1所述融合前景检测的行人定位方法，其特征在于，K个高斯分布模型更新时，高斯分布模型的权值按如下公式进行更新后进行归一化处理：
wi,t＝(1-a)×wi,t-1+a*Mk,t
其中，wi,t为t时刻第i个高斯模型的权值，a是学习速率，Mk,t为t时刻第i个高斯模型的权值匹配参数，如果匹配侧Mk,t＝1，否则Mk,t＝0。
4.根据权利要求3所述融合前景检测的行人定位方法，其特征在于，在进行高斯分布模型与像素点匹配时，如果没有高斯分布模型与一个位置的像素点匹配，则权重最小的高斯分布模型被删除，增加一新的高斯分布模型并将新的高斯分布模型的均值替换为当前像素值，标准差更改为较大值，权重更改为较小值。
5.根据权利要求4所述融合前景检测的行人定位方法，其特征在于，在进行高斯分布模型与像素点匹配时，K个高斯分布模型按优先级降序排列。