1.一种交通视频图像智能化分割方法，其特征在于，包括如下步骤：
1)根据采集得到的灰度图像，对其进行灰度初始化，计算得到图像的像素点为N1，灰度值的范围是{0,1，…，L-1}，设定图像的阈值为x，接下来利用改进的遗传算法对图像的阈值进行最有设计;2)根据阈值图像分割理论，图像分割阈值的一个判断标准是其熵值的大小，当熵值取最大值时，图像的分割效果最好，图像中的背景和目标内部灰度一致性较高，而邻间则较差;3)根据熵值构造阈值图分割代价函数， O代表目标部分，B代表背景部分，pi代表灰度值为i的像素点出现的概率，H(B)和H(O)代表局部熵;4)构建基于改进遗传算法的阈值图像分割算法，首先，用反映复杂系统能量分布的幂次法则改造选择算子；其次，设计具有自学习特性的环境-基因双演化交叉算子；再次，采用反馈机理改进更新策略，提出一种自适应的更新策略算子；最后，提出基因漂流算子并用于进化算法中；以上各算子在进行进化计算过程中相互平衡、相互制约，以提高算法的效率及防止早熟；
5)初始化：设定基于改进遗传算法的阈值图像分割算法终止条件，设置算法运行参数；
6)算法终止条件判断：当满足终止条件就结束算法，执行第8）步，否则，执行第7)步；
7) 采用基于改进遗传算法的阈值图像分割算法对交通信号图进行分割，返回6)；
8)根据图形分割结果，对车辆信息进行识别。
2.根据权利要求1所述的交通视频图像智能化分割方法，其特征在于，第2）步构建灰度图的方法是，根据芯片采集得到的图片，对其进行细分以及灰度处理，并用N1表示分割图片的像素点个数，而灰度值表示为{0,1，…，L-1}，得到分割图像的灰度参数图。
3.根据权利要求1或2所述的交交通视频图像智能化分割方法，其特征在于，所述第4）步中，用反映复杂系统能量分布的幂次法则改造选择算子是对父代的选择采用幂次法，而对母代的选择则采用顺序选择，并与环境-基因双演化交叉算子、自适应更新策略算子、基因漂流算子配合使用，防止算法出现早熟；其中：
所述环境-基因双演化交叉算子具体描述如下：
式中：E 是环境变量，r1 是学习系数， r2 是遗忘系数， r3 是加速系数，t 是进化代数；
所述采用反馈机理改进更新策略，提出一种自适应的更新策略算子具体描述如下：
式中：Tr 是更新策略算子，pr 是更新规模变量， N 是遗传算法种群规模，是产生的新个体；
所述基因漂流算子具体描述如下：
式中：Tf为基因漂流算子，Xbest为最优个体。
4.根据权利要求1或2所述的交通视频图像智能化分割方法，其特征在于，所述更新规模变量pr采用反馈修改方式，当种群逐代进化时则较多的个体采用“优胜劣汰”更新策略，促使群体迅速收敛；但种群陷于局部最优解，进化趋势不明显时则采用“子代直接取代父代”的更新策略，为群体引入更多的基因模式；更新规模变量pr的反馈修改方式如下：
式中：α 是递增量常数， β 是递减量常数。
5.根据权利要求1或2所述的交通视频图像智能化分割方法，其特征在于，所述采用基因漂流算子发生基因漂流事件的概率为pf，其采用了反馈控制技术，其具体描述如下：
式中：pf 是基因漂流概率， k1 是概率递增系数， k2 是概率递减系数。
6.根据权利要求1或2所述的交通视频图像智能化分割方法，其特征在于，所述第7）步中，采用基于复杂系统理论的进化计算算法对图像进行分割是在图分割代价函数的指导下，基于第5）步所述的初始化工作和第6）步所述的终止条件判断，对第2）步构建灰度图进行最优化分割的过程，包括下述步骤：
（1） 判断是否需要进行基因漂流操作，若不需要，转至执行第（4）步；
（2）使用第4）步所述的基因漂流算子，选择优势基因位修改所有个体的等基因位；
（3） 按照第3）步构造的代价函数计算当前所有个体的代价函数值；
（4） 使用第4）步所述的幂次法则改造选择算子从群体中选择用于交配的父代个体；
（5）判断是否需要进行杂交操作，若不需要，转至执行第（7）步；
（6）使用第4）步所述的环境——基因交叉算子杂交父代个体以获得子代个体；
（7）判断是否需要进行变异操作，若不需要，转至执行第（9）步；
（8） 变异子代个体；
（9）按照第3）步构造的代价函数计算子代个体的代价函数值；
（10）使用第4）步所述的自适应更新策略更新群体。
7.根据权利要求2或3所述的交通视频图像智能化分割方法，其特征在于，利用第7）步所得的阈值对灰度图进行分割，在第8）步中根据所分割到的图像，提取出目标图像，完成芯片的功能，之后对目标图像进行信息识别，从而完成对采集信息的识别。