1.一种基于无人机的交通运行风险实时识别方法,其特征在于，所述方法包括如下步骤：

步骤1、识别车辆位置；

步骤2、获取车辆运行速度：根据匹配成功的车辆对象匹配前后最小外接矩形中心的像素位置t到t+1坐标变化，以及视频帧率rate，画面与真实世界中距离的比例s计算车辆当前的运行速度v，

步骤3、获取车关联车辆；

步骤4、预测碰撞位置：对于任意一个方位的关联车辆M，根据M和车辆对象S在t时刻的最小外接矩形中心位置(xM,yM)，(xS,yS)推算预计碰撞位置(xC,yC)，其中：步骤5、获取风险梯度：以预计碰撞位置与关联车辆M和车辆对象S中速度较小的车辆最小外接矩形中心点连线为半径，预计碰撞位置为圆心，计算圆形区域内沿径向方向碰撞时间的变化梯度，C点半径范围内某一点(xA,yA)碰撞风险由公式给出：步骤6、获取综合风险值：将车辆对象S与所有关联方位车辆之间在任意像素点的碰撞风险求平均值，像素点风险计算方法如下式：U是t时刻检测区域内所有的碰撞点，N为t时刻碰撞点的数量和。

步骤7、将像素上的风险值映射为像素灰度，将灰度图映射为颜色梯度生成热度图像；

步骤8、热力图与原始图像帧叠加，连续播放生成风险热度化视频。

2.根据权利要求1所述的一种基于无人机的交通运行风险实时识别方法，其特征在于，所述识别车辆位置的具体方法如下：步骤1.1、无人机在待识别区域上空悬停，无人机视频画面传输到地面计算机设备；

步骤1.2、识别可疑车辆对象；

步骤1.3、过滤疑似车辆对象中不符合实际情况的车辆对象；

步骤1.4、准备继续识别；

步骤1.5、车辆对象匹配。

3.根据权利要求2所述的一种基于无人机的交通运行风险实时识别方法，其特征在于，所述获取获取车关联车辆的方法为：利用OpenCV识别白色车道线，划分车道区域，在已存车辆对象集合中，判断任意一个车辆对象S所处车道位置，如果车辆对象S最小外接矩形边界处于某一车道内，分别搜索车辆对象在同一车道内前方最近的车辆对象S+1，后方最近的车辆对象S‑1，右侧车道前方最近的车辆对象R+1，后方最近的车辆对象R‑1，左侧车道前方最近的车辆对象L+1，后方最近的车辆对象L‑1，将搜索到的六个方位的车辆对象分别标记为关联车辆，若车辆对象处于最外侧或最内侧车道时，关联方位相应地减少为四个。

4.根据权利要求1所述的一种基于无人机的交通运行风险实时识别方法，其特征在于，将像素上的风险值映射为像素灰度的具体方法为：某一点风险值从小到大变化，风险梯度从0到1变化，相应的像素灰度从0到255变化，像素点灰度映射关系如下式：

GrayA＝RA×255。

5.根据权利要求1所述的一种基于无人机的交通运行风险实时识别方法，其特征在于，所述将灰度图映射为颜色梯度生成热度图像的具体方法为：某一点像素灰度从0到255变化映射到彩色热度图中，表现为颜色由蓝色转变为红色，颜色越靠近蓝色表明风险越低，越靠近红色表明风险越高。最终所有像素点根据映射关系获取相应的颜色，组成彩色热度图像。

6.根据权利要求1所述的一种基于无人机的交通运行风险实时识别方法，其特征在于，所述步骤8的具体方法为：将热度图像像素RGB值乘以系数α(0＜α＜1)，原始帧图像像素RGB乘以1‑α，然后两图像素值相加，得到风险识别结果视频中的一帧图像，连续生成帧后便生成实时风险变化视频；视频中红色集中区域即是对高风险区域的实时识别显示，绿色区域风险相对较低，蓝色区域则为风险最低的区域；随着视频不断播放，不同区域反映风险程度的颜色也会随交通状况发生改变，捕捉高风险区域。