1.一种基于级联霍夫变换的消失点检测方法，该方法包括以下步骤：步骤1：采集道路车辆视频，得到每一帧图像的车辆目标；包括如下子步骤：步骤11：采集道路车辆视频，视频中前景是运动的车辆，背景是道路区域、非道路的地面区域以及天空；

步骤12：对步骤11采集到的道路车辆视频，通过GMM高斯混合模型检测视频中每一帧图像的背景；

步骤13：对步骤12获得的每一帧图像背景先通过图像差分获得前景运动目标，再通过中值滤波和闭运算，得到每一帧图像的前景运动目标中的车辆目标；

步骤2：对步骤1检测得到的每一帧图像的车辆目标进行Harris角点提取，得到每一帧图像的车辆目标上的特征点；

步骤3：对步骤1得到每一帧图像的车辆目标和步骤2得到的每一帧图像的车辆目标上的特征点，获取车辆直线轨迹；具体包括如下步骤：在步骤1得到每一帧车辆目标的图像和步骤2得到的每一帧图像的车辆目标上的特征点中，采用光流跟踪算法，将相邻两帧车辆目标的图像以及前一帧图像的特征点作为光流跟踪算法中的输入，则输出为前一帧特征点在后一帧上的对应位置以及是否跟踪成功；初始的特征点是新目标的Harris角点，以此为起点进行跟踪，之后输入的特征点是已存在轨迹的结尾点；在所有输入遍历后，输出的集合即为跟踪到的车辆直线轨迹；

步骤4：对步骤3获取的车辆直线轨迹进行筛选，筛选后的车辆直线轨迹集合记为L；

步骤5：通过级联霍夫变换对步骤4得到的筛选后的直线轨迹集合L从图像空间转换到菱形霍夫空间中进行投票，得到投票后的极大值点坐标；

步骤6：将步骤5得到的极大值点的坐标转换到图像空间中，最终得到图像空间中消失点坐标，完成消失点的检测。

2.如权利要求1所述的基于级联霍夫变换的消失点检测方法，其特征在于，步骤4具体包括如下步骤：步骤41：对步骤3得到的车辆轨迹进行筛选，车辆轨迹中的轨迹点足够多则保留；

步骤42：对步骤41保留的车辆轨迹进行最小二乘拟合，最终筛选出车辆直线轨迹集合。

3.如权利要求2所述的基于级联霍夫变换的消失点检测方法，其特征在于，步骤4包括如下子步骤：步骤41：对步骤3得到的车辆轨迹进行筛选，所述的车辆轨迹中的轨迹点超过15个则保留。

4.如权利要求1所述的基于级联霍夫变换的消失点检测方法，其特征在于，步骤5包括如下子步骤：通过级联霍夫变换将步骤4中得到的筛选后的直线轨迹集合L从图像空间转换到菱形霍夫空间中，将菱形空间格栅化后，将转换后的车辆轨迹直线进行累加投票，投票结果最高的点即为菱形空间中的极大值点，得到极大值点的坐标。

5.如权利要求1所述的基于级联霍夫变换的消失点检测方法，其特征在于，步骤2包括如下子步骤：对步骤1得到每一帧图像的车辆目标的前景进行分类，分为已被跟踪目标和新出现目标，如果当前帧提取出来前景目标中包含当前轨迹的末尾节点超过3个，则认为该前景目标是已有目标，反之是新出现目标，在每个新出现目标上提取三个Harris角点，即特征点，从而得到每一帧图像的车辆目标上的特征点。