1.一种基于三维轨迹聚类的车辆计数方法，其特征在于，包括以下步骤：步骤一，利用摄像机采集道路的视频图像，建立视频图像的二维图像坐标与三维世界坐标之间的关系，求得转移矩阵M；

步骤二，在视频图像中确定检测线和检测区域，提取视频图像的背景图像；

步骤三，获取视频图像上的多条运动目标产生的运行轨迹；

步骤四，选取符合粗聚类条件的运行轨迹进行粗聚类，将所选取的运行轨迹分成多个类，并将所选取的运行轨迹标记为已聚类；

步骤五，对在步骤四中被标记为已聚类的运行轨迹进行细聚类，将被标记为已聚类的运行轨迹分成N类，车辆计数结果为N；

所述步骤三中的获取视频图像上的多条运行轨迹的实现方法包括：

获取视频图像中的所有运动目标，针对运动目标提取特征点，对特征点采用模板匹配的方法进行跟踪，得到所有运动目标的运行轨迹；

所述步骤四中符合粗聚类条件的运动轨迹指的是：穿过所述检测线，且特征点的个数大于10的运动轨迹；

所述步骤四中的粗聚类的实现方式包括：

将所有符合粗聚类条件的运行轨迹上的最后跟踪的一个特征点映射到XY0平面上，XY0平面是指，在XYZ坐标系中，Z＝0的平面；其中X是沿与车道线垂直的方向，Y是沿与车道线平行的方向，Z是沿垂直于路面的方向；计算所有特征点中任意两个特征点在X方向的距离dX和在Y方向的距离dY，若dX＜A，A＝1.5m，且dY＜B，B＝3m，则这两个特征点所在的运行轨迹属于同一类；未与其他特征点归为一类的特征点单独归为一类，该特征点所在的运行轨迹单独归为一类；

所述步骤五的细聚类的实现方式包括：

步骤5.1，对步骤四中被标记为已聚类的运行轨迹中即将要离开检测区域的一条运行轨迹所在的类进行类内部处理，将被标记为已聚类的运行轨迹重新分成多个类；

步骤5.2，对步骤5.1重新分成的多个类进行类间处理，将被标记为已聚类的运行轨迹分成N'类，车辆计数结果增加N'；

步骤5.3，判断被标记为已聚类的运行轨迹中是否存在即将离开检测区域的运行轨迹，如果是，返回步骤5.1，如果否，结束。

2.如权利要求1所述的基于三维轨迹聚类的车辆计数方法，其特征在于，所述步骤5.1的具体实现方式包括：步骤5.1.1，求取即将离开检测区域的运行轨迹所在类中的所有运行轨迹的速度，确定该类中代表轨迹，以及代表轨迹的速度即代表速度；

步骤5.1.2，求取即将离开检测区域的运行轨迹所在类中的每条运行轨迹上最后跟踪的一个特征点的三维信息；

步骤5.1.3，利用模型的方法，将不属于即将离开检测区域的运行轨迹所在类的运行轨迹剔出，将剔出的运行轨迹放在同一个类内；

步骤5.1.4，对剔出的运行轨迹所形成类进行类内部处理，即返回步骤5.1.1重复执行，直至没有运行轨迹被剔出，将被标记为已聚类的运行轨迹重新分成多个类。

3.如权利要求2所述的基于三维轨迹聚类的车辆计数方法，其特征在于，所述步骤5.2的具体实现方式包括：步骤5.2.1，选取两个类，求取两个类中所有运行轨迹的速度中的最低速度，将该最低速度作为参考速度Vmin*，并将具有该参考速度Vmin*的运行轨迹作为参考轨迹，参考轨迹所在的类作为参考类，另一个类为所求类；

步骤5.2.2，求出参考轨迹和所求类中的所有运行轨迹上最开始跟踪的15个特征点的三维信息；

步骤5.2.3，将所求类中的所有运行轨迹与参考轨迹均进行相对运动约束的判断，若所求类中的2/3的运行轨迹与参考轨迹满足相对运动约束条件，则将两个类进行合并；否则不做合并处理；

步骤5.2.4，重新选取两个类，返回步骤5.2.1，直至所有的类处理结束，删除步骤5.1中即将离开检测区域的运行轨迹所在的类，最终将被标记为已聚类的运行轨迹分成N'类，车辆计数结果增加N'。