1.一种基于图像匹配的粗粒土填料级配自动识别方法，其特征在于，包括：S1采集包含各种粒径的粗粒土颗粒的填料图像，形成各种粒径的粗粒土颗粒识别模板，构建模板库；S2采集包含各种级配的填料图像，将各所述填料图像与所述模板库中的所述粗粒土颗粒识别模板进行匹配，获得所述填料图像中粗粒土颗粒的粒径大小、分布以及形状类别，绘制级配曲线，将填料信息和级配一并存入级配库；S3封装所述级配库以及执行S2的程序；S4采集路基填筑碾压施工现场路基的填料图像，经封装的程序处理后，获得施工现场填料图像的级配结果和级配曲线；S2中获得所述填料图像中粗粒土颗粒的粒径大小、分布以及形状类别，包括：S21采用OpenCV函数检测填料图像与模板库中的各个粗粒土颗粒识别模板的最佳匹配位置，并进行匹配，如果匹配成功，则将匹配区域从所述填料图像中删除并另行存储，并记录匹配区域的位置及匹配出的粗粒土颗粒粒径；S22判断各个所述填料图像是否放大到最大尺寸，如果是，则进入步骤S23，如果否，则对所述填料图像进行放大并返回步骤S21；S23将匹配出的粗粒土颗粒图像按照形状划分为不同的形状类别；S24统计单个颗粒的二维尺寸，根据形状类别估计单个颗粒第三维的尺寸，获得单个颗粒的体积，求得单个颗粒的质量；S25计算所有颗粒的尺寸和质量的分布，输出级配结果及级配曲线。
2.根据权利要求1所述的基于图像匹配的粗粒土填料级配自动识别方法，其特征在于，各种粒径的粗粒土颗粒识别模板为采用Gimp开源程序生成的圆形模板。
3.根据权利要求2所述的基于图像匹配的粗粒土填料级配自动识别方法，其特征在于，S21还包括将每种粒径图像旋转各个角度后生成的新图像与各个粗粒土颗粒识别模板进行匹配，选择匹配度最高的模板作为匹配结果。
4.根据权利要求2所述的基于图像匹配的粗粒土填料级配自动识别方法，其特征在于，S21还包括如果匹配成功，获取更多的放大模板用于匹配，判断获得的区域与另行存储区域是否存在重叠，如果存在重叠则剔除重叠部分，并扩大区域；如果提取后的区域肉眼可见不包括单个完整颗粒，则保留剔除的区域，并将扩大区域中的该部分删除，并用开源Gimp程序对区域进行优化填充。
5.根据权利要求3或4所述的基于图像匹配的粗粒土填料级配自动识别方法，其特征在于，S21之前还包括使用第一神经网络模型检测和排除非单个颗粒或不完全可见的颗粒；所述第一神经网络模型采用人工标注的若干单个完整颗粒样本和非单个完整颗粒样本，进行训练，直至满足排除图像中的非单个颗粒或不完全可见的颗粒的精度要求。
6.根据权利要求5所述的基于图像匹配的粗粒土填料级配自动识别方法，其特征在于，S23划分为不同的形状类别包括：采用第二神经网络模型将匹配出的粗粒土颗粒图像分为不同的形状类别；所述第二神经网络模型通过训练获得；训练包括：对匹配出的颗粒图像进行第二次人工标记，标记颗粒的形状类别形成类别样本库；类别样本库中的各类粗粒土颗粒图像按照粒径大小排列训练所述第二神经网络模型。
7.一种基于图像匹配的粗粒土填料级配自动识别系统，其特征在于，包括采集模块及识别模块；所述采集模块获取路基填筑碾压施工现场的填料图像；所述识别模块，基于所述采集模块获取的图像自动识别出填料的级配；所述识别模块包括模板库、第一神经网络模型单元、模板匹配单元、第二神经网络模型单元、统计单元、级配计算单元和级配库；所述模板库是包含各种粒径的粗粒土颗粒图像构建的识别模板；所述第一神经网络模型单元检测和排除所述填料图像中非单个颗粒或不完全可见的颗粒；所述模板匹配单元将填料图像与模板库中的模板进行匹配，如果匹配成功则在填料图像中删除该匹配成功区域，得到该区域内粗粒土颗粒的粒径大小及分布；所述第二神经网络模型单元将匹配出的粗粒土颗粒图像分为不同的形状类别；所述统计单元统计单个颗粒的二维尺寸，根据形状类别估计单个颗粒第三维的尺寸，获得单个颗粒的体积，求得单个颗粒的质量；所述级配计算单元计算并输出填料图像所对应的级配结果及级配曲线，级配结果储存在级配库中。
8.根据权利要求7所述的基于图像匹配的粗粒土填料级配自动识别系统，其特征在于，所述模板库中的模板为采用开源Gimp程序生成的圆形模板，用于粗粒土填料图像中各种粒径颗粒的匹配识别。
9.根据权利要求7或8所述的基于图像匹配的粗粒土填料级配自动识别系统，所述识别模块构建包括：S100采用OpenCV函数检测填料图像与模板库中的各个粗粒土识别模板的最佳匹配位置，并进行匹配，如果匹配成功，则将匹配区域从所述填料图像中删除并另行存储，并记录匹配区域的位置及匹配出的粗粒土颗粒粒径；S200判断各个所述填料图像是否放大到最大尺寸，如果是，则进入步骤S300，如果否，则对所述填料图像进行放大并返回步骤S100；S300将匹配出的粗粒土颗粒图像按照形状划分为不同的形状类别；S400统计单个颗粒的二维尺寸，根据形状类别估计单个颗粒第三维的尺寸，获得单个颗粒的体积，求得单个颗粒的质量；S500计算所有颗粒的尺寸和质量的分布，输出级配结果及级配曲线；S600封装所述S100至500的所有执行程序，形成所述识别模块。
