1.一种基于四叉树的光流跟踪方法，其特征在于，所述光流跟踪方法包括以下步骤：
步骤1：实时接收图像序列，对图像进行自适应直方图均衡化预处理；
步骤2：构建图像的非线性尺度空间,完成对特征点的实时提取；
步骤3：对图像基节点进行分裂，基于四叉树算法，均匀提取各图像块特征点；
步骤4：采用稀疏光流法对特征点进行跟踪；
步骤5：输出图像平移向量。
2.根据权利要求1所述的一种基于四叉树的光流跟踪方法，其特征在于：所述步骤1中，将图像划分为边角区域、边非角区域和对角区域；如果是边角区域，则采用直方图均衡化处理；如果是边非角区域，则采用线性插值处理；如果是对角区域，则采用双线性插值处理，由此完成对图像的自适应直方图均衡化预处理。
3.根据权利要求1所述的一种基于四叉树的光流跟踪方法，其特征在于：所述步骤2中，构建图像的非线性尺度空间,完成对特征点的实时提取包括如下步骤：
步骤2.1：通过各向异性扩散滤波构建图像的非线性尺度空间，并利用快速显示扩散算法对图像进行过滤，计算不同尺度下图像的海森矩阵的特征值，求取其极值点，设定判断阈值，即实现对图像中特征点的识别；
步骤2.2：对识别的特征点的响应极值进行降序排列。
4.根据权利要求1所述的一种基于四叉树的光流跟踪方法，其特征在于：所述步骤3中的对图像基节点进行分裂，基于四叉树算法，均匀提取各图像块特征点包括如下步骤：
步骤3.1：对图像进行根节点划分，定义图像根节点为w/h个，其中w为图像像素宽度，h为图像像素高度，如果w/h计算值为小数，则取整为n；
步骤3.2：一个根节点代表一个图像区域，此时图像被分为n个区域，每个区域大小为w/n*h；
步骤3.3：计算当前根节点区域内的特征点数目，如果根节点区域内特征点数目大于一，则把当前根节点分成四个子节点，子节点的区域是根节点图像区域的四等分，如果根节点区域内特征点数不大于一，则终止根节点分裂；
步骤3.4：将分出来的子节点作为新的根节点重复步骤3.3，而将原先的根节点从列表中删除，不再分裂，如此循环，直到图像中节点数目大于na，或者当前节点无法再继续分裂，则节点分裂结束，最后从每个节点区域选取特征点，其中，na为系统需要用来光流跟踪的特征点数目。
5.根据权利要求1所述的一种基于四叉树的光流跟踪方法，其特征在于：所述步骤4中采用的稀疏光流法是lucas-kanade稀疏光流法。
6.根据权利要求3所述的一种基于四叉树的光流跟踪方法，其特征在于：步骤2.1中，通过各向异性扩散滤波构建图像的非线性尺度空间可通过非线性偏微分方程来描述:
其中，l是图像亮度矩阵，div与▽分别表示散度算子与梯度算子，c(·)是传导函数，时间t对应的尺度因子，x,y为像素点在图像帧x,y方向上的坐标；
c(x,y,t)＝g(|▽lσ(x,y,t)|)
其中，lσ(·)是图像亮度矩阵l经过高斯平滑后的图像，▽lσ是图像lσ的梯度算子；
其中，k是控制扩散级别的对比度因子。
7.根据权利要求6所述的一种基于四叉树的光流跟踪方法，其特征在于：k是梯度图像▽lσ中亮度累计概率分布为70％所对应灰度值。
8.根据权利要求3所述的一种基于四叉树的光流跟踪方法，其特征在于：步骤2.1中，利用快速显示扩散算法对图像进行过滤时，扩散步长τj可表示为：
其中，τmax是不破坏迭代过程稳定性的最大步长，n是最小内循环长度，j是第j次快速显示扩散循环。
9.根据权利要求3所述的一种基于四叉树的光流跟踪方法，其特征在于：步骤2.1中，计算不同尺度下图像的海森矩阵的特征值，求取其极值点，设定判断阈值，即实现对图像中特征点的识别包括：采用海森矩阵求取特征值，判断该特征值是否大于预设的阈值t，通过对比特征值的极值点完成图像中特征点的识别。
10.根据权利要求9所述的一种基于四叉树的光流跟踪方法，其特征在于：步骤2.1中，计算不同尺度下图像的海森矩阵的特征值，求取其极值点，设定判断阈值，即实现对图像中特征点的识别时，利用空间尺度的泰勒展开式来求特征点坐标：
l(x)是图像亮度的空间尺度函数，x是特征点坐标，l是已知极值点的图像亮度空间尺度函数。