1.一种利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，所述方法包括以下步骤：提取所拍摄高速公路图像中存在的边缘，得到边缘图像；

分析所述边缘图像的像素点，得到车道分界线；

利用神经网络训练高速公路车辆检测模型，检测所述高速公路图像中存在的车辆；

分析不同时刻的图像，得到各车辆的行驶轨迹；

根据所述车辆行驶轨迹与车道分界线的位置关系，得到车辆的行驶状态。

2.根据权利要求1所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，所述车道分界线包括高速公路行车道与应急车道分界线、行车道与中间隔离带的分界线和高速公路两侧的边界线。

3.根据权利要求2所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，分析所述边缘图像的像素点，得到车道分界线的具体过程为：S21,在所述高速公路图像的边框，分别向图像内延伸若干像素点，并以延伸后的位置作为分界线的检测起点；

S22,若所述检测起点的灰度值为255，则记录该检测起点的坐标，并检测该点向图像内延伸方向相邻若干像素点的灰度值；

S23,若相邻若干像素点中，有多个灰度值为255的像素点，将灰度值为255的所有像素点的坐标取平均值，作为第二检测点，记录所述第二检测点的坐标；

S24,以所述第二检测点为起点，按照步骤S22和步骤S23的操作，得到第三检测点，以此类推，分别得到第四检测点至第N检测点，并记录各检测点的坐标；

S25,记录检测起点和第N检测点连线所在直线l与参考方向的夹角α，按照步骤S22和步骤S23的操作，继续检测第N+1检测点；

S26，从第N+1检测点开始，若向图像内延伸方向相邻若干像素点中灰度值为255的像素点多于1个，则选取离直线l最近的像素点作为下一个检测点，直至得到第2N检测点，记录第N+1检测点和第2N检测点连线与参考方向的夹角β；

S27，比较夹角α与夹角β的差值，若所述差值满足设定条件，则停止检测，否则用夹角β替换夹角α，继续检测，每隔N个检测点判断一次β与α的差值，至差值满足设定条件，停止检测；

S28,将以同一个检测起点为基准得到的检测点作为一个坐标数组，计算所述坐标数组中相邻检测点之间的距离，并将所有距离求和，若距离和大于所述高速公路图像高度的1/

4，则认为得到分界线。

4.根据权利要求3所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，若步骤S21中所述检测起点位于所述高速公路图像的左边框或右边框，则步骤S25中所述参考方向为高速公路图像的水平方向；若步骤S21中所述检测起点位于所述高速公路图像的下边框，则步骤S25中所述参考方向为高速公路图像的垂直方向。

5.根据权利要求3所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，当所述向图像内延伸方向相邻若干像素点中不存在灰度值为255的像素点，则向相同方向再移动一个像素点。

6.根据权利要求2所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，所述分析不同时刻的图像，得到各车辆的行驶轨迹的具体过程为：在t时刻拍摄的高速公路图像t中，利用车辆检测模型，为每一辆车赋予ID，并记录车辆的坐标；

在t+1时刻拍摄的高速公路图像t+1中，利用车辆检测模型，为每一辆车赋予ID，并记录车辆的坐标；

计算图像t+1中每辆车与图像t中所有车的欧几里得距离，并获取所述欧几里得距离的最小值；

若所述欧几里得距离的最小值小于设定值，则认为在图像t+1中找到了和图像t中相同的一辆车，反之，则认为在图像t+1中新出现了一辆车；

以此类推，分别在图像t+2、t+3…t+n中进行车辆的同一性认定，得到同一辆车在图像t、t+1…t+n中的坐标，这一系列坐标构成了这辆车的行驶轨迹。

7.根据权利要求1所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，所述车辆的行驶状态包括车辆是否发生车祸和车辆是否逆行。

8.根据权利要求7所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，所述车辆发生车祸的具体判断方式为：对车辆的行驶轨迹进行分析，若辆车的行驶轨迹在连续2秒钟的时间内未发生变化，且位于应急车道内，则认为有异常停车行为，如果异常停车的车辆数多于1，则认为发生车祸；

若车辆的行驶轨迹在连续2秒钟的时间内未发生变化，且位于非应急车道内，则认为发生了车祸；

若车辆的行驶轨迹越过了高速公路边界线，则认为发生了车祸；

若车辆的行驶轨迹越过了行车道与中间隔离带的分界线，则认为发生了车祸。

9.根据权利要求7所述的利用计算机视觉实现高速公路车辆行为检测的方法，其特征是，所述车辆逆行的具体判断方式为：选定车辆行驶方向的正方向，根据行车道的方向和车辆行驶轨迹的方向，判断车辆是否发生逆行。