1.一种公交车辆客流统计方法，其特征在于，步骤如下：
S1、通过第一摄像头和第二摄像头分别获取对应公交车前车门和后车门位置的图像；
S2、对车门出入线进行确定：包括对第一摄像头获取的图像中公交车的前车门出入线进行确定和对第二摄像头获取的图像中公交车的后车门出入线进行确定；
S3、获取摄像头安装高度和人头大小的拟合函数：包括获取到第一摄像头安装高度和人头大小的拟合函数以及第二摄像头安装高度和人头大小的拟合函数；
S4、分别检测公交车前车门和后车门的开关信号，若检测到公交车前车门开信号，则对第一摄像头当前获取到的图像进行步骤S5～S9的图像处理，若检测到公交车后车门开信号，则对第二摄像头当前获取到的图像进行步骤S5～S9的图像处理；若检测到公交车前车门关信号，则停止对第一摄像头获取到的图像进行步骤S5～S9的处理，若检测到公交车后车门关信号，则停止对第二摄像头获取到的图像进行步骤S5～S9的处理；
S5、对图像进行预处理，然后根据步骤S3中获取到的摄像头安装高度和人头大小的拟合函数，使用圆检测方法对图像进行人头检测，获取到图像中的头部特征向量；
S6、获取到图像中的头部特征向量后，对人头进行跟踪；
S7、根据步骤S6中对人头的跟踪确定人头运动轨迹；
S8、结合车门出入线对人头运动轨迹矢量进行分析，判断出乘客行为；
S9、根据乘客行为，统计出双向客流数量；
S10、第一摄像头获取到的图像经过步骤S5～S9处理后，统计出前车门双向客流数量，第二摄像头获取到的图像经过步骤S5～S9处理后，统计出后车门双向客流数量，对前车门双向客流数量和后车门双向客流数量进行合计，得出整车双向客流数量。
2.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤S2中对公交车车门出入线确定过程如下：
S21、视频图像：采集公交车在停止且对应车门关闭状态下的视频图像；
S22、帧差法第一帧：对获取的公交车车门视频图像进行帧差法处理，取帧差法第一帧图像并二值化；
S23、梯度Hough直线检测：对二值化图像进行梯度Hough直线检测；
S24、筛选直线：根据摄像头安装高度以及车门特性找出倒梯形，并且确定靠近底部的横线为下底，将该下底作为自动识别出的车门出入线；
S25、确定出入线：对自动识别出的车门出入线进行校准后确定为车门出入线；
所述步骤S2中当对公交车前车门出入线进行自动识别时，则步骤S21中通过第一摄像头采集公交车在停止且公交车前车门关闭状态下的视频图像，步骤S24中根据第一摄像头安装高度以及公交车前车门特性找出倒梯形；
所述步骤S2中当对公交车后车门出入线进行自动识别时，则步骤S21中通过第二摄像头采集公交车在停止且公交车后车门关闭状态下的视频图像，步骤S24中根据第二摄像头安装高度以及公交车后车门特性找出倒梯形。
3.根据权利要求2所述的公交车辆客流统计方法，其特征在于，所述步骤S23中梯度Hough直线检测过程如下，在二值化图像中找到所有符合以下极坐标公式的所有像素点：
ρ＝xcosθ+ysinθ；
其中(x,y)为二值化图像空间坐标，(ρ,θ)为参数空间坐标，θ是X轴到直线的发现的逆时针转角，ρ是坐标原点到直线的代数距离；
若当前车门出入线被确定的同类型车辆的数目未超过X1台，则所述步骤S25中，针对公交车的车门出入线进行确定时采用人工通过网络进行校准，即将步骤S24获取的公交车自动识别出的车门出入线通过人工网络校准后作为公交车的车门出入线；
若当前车门出入线被确定的同类型车辆的数目超过X1台，则根据车门出入线被确定的同类型公交车车辆人工网络校准后的车门出入线和对应其自动识别出的车门出入线确定出后续校准函数，在步骤S25中通过后续校准函数对公交车自动识别出的公交车车门出入线进行校准，确定出公交车的车门出入线。
4.根据权利要求3所述的公交车辆客流统计方法，其特征在于，根据车门出入线被确定的同类型公交车车辆人工网络校准后的车门出入线和对应其自动识别出的车门出入线确定出的后续校准函数为直线校准函数，其误差校正公式为：
其中e是统计的差值，y(k)是第k辆公交车人工通过网络校准时标定的车门出入线直线函数，y′(k)是第k辆公交车自动识别的车门出入线函数，n是车门出入线被确定的同类型公交车车辆数目；
经过误差校准后，第n+i辆公交车车门出入线函数为：
y(n+i)＝y′(n+i)+e,i∈(1,2,3,..)；
y′(n+i)是第n+i辆公交车自动识别的车门出入线函数。
5.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤S3摄像头安装高度和人头大小的拟合函数获取过程如下：
S31、获取摄像头的安装高度：统计好各类车型中摄像头的安装高度；
S32、获取人头样例：通过摄像头分别对各类车型中各种身高人头进行采集；
S33、人头标定参数：统计出通过各类车型中摄像头分别采集到的人头大小；
S34、对各类车型中摄像头安装高度、摄像头采集到的各种人头对应身高、摄像头采集到的人头大小进行最小二乘法运算获取到摄像头安装高度和人头大小的拟合函数；
其中上述步骤中当摄像头为第一摄像头时，则通过上述步骤获取到的是摄像头安装高度和人头大小的拟合函数，当上述步骤中当摄像头为第二摄像头时，则通过上述步骤获取到的是第二摄像头安装高度和人头大小的拟合函数。
6.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤S5中用圆检测方法对图像进行人头检测的过程如下：
S51、对获取的图像进行帧差法处理；
S52、从帧差法处理后的图像中提取前景图像并进行二值化处理；
S53、从二值化处理后的前景图像中提取到运动目标区域；
S54、对运动目标区域的灰度图像进行Canny边缘检测，得到运动目标区域灰度图像的边缘特征；
S55、将运动目标区域灰度图像的边缘特征与二值化处理后的前景图像进行合并，将处于二值图像外轮廓内的边缘全部保留，其余全部舍弃；
S56、通过梯度Hough圆检测算法从步骤S55处理后的图像中检测出圆；
S57、根据步骤S3中获取到的摄像头安装高度和人头大小的拟合函数，设定人头半径阈值范围，然后进行阈值范围，将步骤S56中检测出的圆中半径处于阈值范围内的圆保留，其他的圆去掉；同时对所有人头轮廓进行分组，选择距离相似测量度的最大最小距离法分组，并将人头轮廓的共圆置信度作为评价拟合优劣的标准，即从多个候选匹配人头轮廓中选出最佳人头轮廓，作为图像中的人头；
S58、提取头部特征向量：包括提取圆边缘点序列、圆心、半径、轮廓内部灰度值和轮廓内部YUV彩色空间的ALPHA通道值。
7.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤S6中对人头进行跟踪的过程如下：
S61、提取前一帧图像的人头跟踪序列，并将该人头跟踪序列输入到卡尔曼预测器中，得出当前帧图像中人头预测向量矩阵，并与当前帧图像中获取的头部特征向量进行特征匹配；若匹配成功，则将当前帧中人头加入到前一帧图像的人头跟踪序列中，然后进入步骤S63，否则进入步骤S62；
S62、对当前帧图像中相对于预测人头轮廓的联合置信度进行模糊置信度判断，若相对于预测人头轮廓的联合置信度大于模糊置信度的阈值，则将当前帧图像中的人头判定为新的跟踪序列，否则进行矢量距离判断，矢量距离为当前帧检测的人头轮廓中心与预测人头轮廓中心点之间的距离，若矢量距离小于当前帧检测的人头轮廓半径，则将当前帧人头加入前一帧图像的人头跟踪序列，否则将当前帧人头判定为新的跟踪序列；
S63、判定人头跟踪是否结束，即判定人头是否离开视野或停住；若否，则回到步骤S61；
若是，则根据对人头的跟踪确定人头运动轨迹；
其中步骤S62中在每一组圆中以模糊置信度为标准提取该组对应的真实人头轮廓的最优拟合轮廓，结合候选匹配人头轮廓的共圆置信度 和头部区域轮廓几何相似度HCGS(l,j)的线性组合构成相对于预测人头轮廓的联合置信度μunion(l,j)，其中构成的人头轮廓的联合置信度μunion(l,j)为：
其中 和μunion(l,j)分别代表候选匹配人头轮廓的共圆置信度和相对于预测人头轮廓的联合置信度，ω1和ω2分别对应为 和HCGS(l,j)的权重；(l,j)表示图像中的像素点。
8.根据权利要求1所述的公交车辆客流统计方法，其特征在于，所述步骤S8中人头运动轨迹进行分析包括对人头运动轨迹进行平滑度分析，具体过程如下：
S81、输入人头运动轨迹；
S82、计算人头运动轨迹平滑度，即计算人头运动轨迹中相邻两帧轨迹点之间的距离；
S83、确定步骤S83中计算出的人头运动轨迹平滑度是否满足平滑度阈值，若满足，保留该人头运动轨迹，否则判断为异常状态，舍弃该人头运动轨迹；
S84、输出步骤S83保留的人头运行轨迹，并且显示在图像上；
所述步骤S8中判断出乘客行为的过程如下：以车门出入线作为X轴，出入线垂线为Y轴，车门出入线和垂线的交点为原点；当设定Y轴的正方向朝车外方向，若检测到人头运动轨迹的轨迹点Y轴方向的值呈减小趋势，即人头运行轨迹由上至下，则判断乘客为上车行为，若检测到人头运动轨迹的轨迹点Y轴方向的值呈增大趋势，即人头运行轨迹由下至上，则判断乘客为下车行为；若检测到人头运动轨迹的轨迹点处于以交点为圆心且第二阈值为半径的圆周内，则判断乘客为上车行为；当设定Y轴的正方向朝车内方向，若检测到人头运动轨迹的轨迹点Y轴方向的值呈减小趋势，即人头运行轨迹由上至下，则判断乘客为下车行为，若检测到人头运动轨迹的轨迹点Y轴方向的值呈增大趋势，即人头运行轨迹由下至上，则判断乘客为上车行为；若检测到人头运动轨迹的轨迹点处于以交点为圆心且第二阈值为半径的圆周内，则判断乘客为上车行为。
9.一种用于实现权利要求1所述公交车辆客流统计方法的公交车辆客流统计系统，其特征在于，包括第一摄像头、第二摄像头、第一车门开关传感器、第二车门开关传感器、前车门图像处理模块、后车门图像处理模块和整车客流统计模块，其中
第一摄像头，安装在公交车前车门位置，用户获取公交车前车门位置图像；
第二摄像头，安装在公交车后车门位置，用户获取公交车后车门位置图像；
第一车门开关传感器，安装在公交车前车门位置，用于感应公交车前车门的开关；
第二车门开关传感器，安装在公交车后车门位置，用于感应公交车后车门的开关；
前车门图像处理模块，包括：
第一车门出入线识别模块，用于根据第一摄像头获取的图像对公交车前车门出入线进行确定；
第一拟合函数获取模块，用于获取到第一摄像头安装高度和人头大小的拟合函数；
第一人头检测模块，用于使用圆检测方法对第一摄像头获取的图像进行人头检测，获取到图像中的头部特征向量；
第一人头跟踪模块，用于根据第一人头检测模块获取到的头部特征向量，对第一摄像头获取的图像中人头进行跟踪，并且确定第一摄像头获取到的图像中人头运动轨迹；
第一人头运动轨迹分析模块，用于结合公交车前车门出入线对第一摄像头获取到的图像中人头运动轨迹矢量进行分析，判断公交车出前车门的乘客行为；
以及第一客流统计模块，用于根据公交车前车门获取到的乘客行为，统计出公交车前车门双向客流数量；
后车门图像处理模块，包括：
第二车门出入线识别模块，用于根据第二摄像头获取的图像对公交车后车门出入线进行确定；
第二拟合函数获取模块，用于获取到第二摄像头安装高度和人头大小的拟合函数；
第二人头检测模块，用于使用圆检测方法对第二摄像头获取的图像进行人头检测，获取到图像中的头部特征向量；
第二人头跟踪模块，用于根据第二人头检测模块获取到的头部特征向量，对第二摄像头获取的图像中人头进行跟踪，并且确定第二摄像头获取到的图像中人头运动轨迹；
第二人头运动轨迹分析模块，用于结合公交车前车门出入线对第二摄像头获取到的图像中人头运动轨迹矢量进行分析，判断公交车出后车门的乘客行为；
以及第二客流统计模块，用于根据公交车后车门获取到的乘客行为，统计出公交车后车门双向客流数量；
整车客流统计模块，用于对前车门双向客流数量和后车门双向客流数量进行合计，得出整车双向客流数量。
10.根据权利要求9所述的公交车辆客流统计系统，其特征在于，前车门图像处理模块中的第一车门出入线识别模块、第一拟合函数获取模块、第一人头检测模块、第一人头跟踪模块、第一人头运动轨迹分析模块以及第一客流统计模块均嵌入在第一摄像头中，第一摄像头通过外设接口或网络端与智能公交调度平台信号连接；
后车门图像处理模块中的第二车门出入线识别模块、第二拟合函数获取模块、第二人头检测模块、第二人头跟踪模块、第二人头运动轨迹分析模块以及第二客流统计模块嵌入在第二摄像头中，第二摄像头通过外设接口或网络端与智能公交调度平台信号连接；
所述第一摄像头和第二摄像头均扩展有RS485接口，第一摄像头和第二摄像头分别通过RS485接口分别对应与第一车门开关传感器和第二车门开关传感器连接。