1.一种基于定位点的旋转数字识别方法，其特征在于，该方法包括：S1、对输入的视频帧图像进行预处理，得到相应的灰度图像；

S2、对所述灰度图像进行轮廓提取，得到所述灰度图像中的色块的定位点位置、宽度和长度；

S3、根据所述定位点位置对所述灰度图像进行旋转矫正，得到矫正图像和矫正定位点位置；

S4、根据所述矫正定位点位置、所述色块的宽度和长度对所述矫正图像进行图像分割，得到只包含数字部分的数字图像；

S5、对所述数字图像进行灰度化，通过深度学习模型和分类器得到所述数字图像中的数字；

步骤S2包括：

S21、对所述灰度图像进行轮廓提取，并通过道格拉斯-普克算法对提取到的轮廓进行四边形逼近处理，得到相应的色块；

S22、当确定存在三个色块时，计算得到该三个色块的中心点位置、宽度和长度，将该三个中心点位置分别作为三个色块的定位点位置；

步骤S3包括：

S31、根据三个定位点构成三角形的几何特征，确定旋转矫正的旋转角；

S32、根据所述旋转角以所述灰度图像的中心为旋转原点对所述灰度图像进行旋转矫正，得到矫正图像和矫正定位点位置。

2.如权利要求1所述的旋转数字识别方法，其特征在于，步骤S1中，对输入的视频帧图像进行预处理包括：对所述视频帧图像进行灰度化处理、下采样处理、上采样处理以及二值化处理。

3.如权利要求1所述的旋转数字识别方法，其特征在于，步骤S5中，所述深度学习模型为PCANet模型，所述分类器为SVM分类器。

4.一种基于定位点的旋转数字识别系统，其特征在于，该系统包括：预处理模块，用于对输入的视频帧图像进行预处理，得到相应的灰度图像；

轮廓提取模块，连接所述预处理模块，用于对所述灰度图像进行轮廓提取，得到所述灰度图像中的色块的定位点位置、宽度和长度；

旋转矫正模块，连接所述轮廓提取模块，用于根据所述定位点位置对所述灰度图像进行旋转矫正，得到矫正图像和矫正定位点位置；

图像分割模块，连接所述旋转矫正模块，用于根据所述矫正定位点位置、所述色块的宽度和长度对所述矫正图像进行图像分割，得到只包含数字部分的数字图像；

数字识别模块，连接所述图像分割模块，用于对所述数字图像进行灰度化，通过深度学习模型和分类器得到所述数字图像中的数字；

所述轮廓提取模块包括：

提取子模块，连接所述预处理模块，用于对所述灰度图像进行轮廓提取，并通过道格拉斯-普克算法对提取到的轮廓进行四边形逼近处理，得到相应的色块；

计算子模块，连接所述提取子模块，用于当确定存在三个色块时，计算得到该三个色块的中心点位置、宽度和长度，将该三个中心点位置分别作为三个色块的定位点位置；

所述旋转矫正模块包括：

确定子模块，连接所述计算子模块，用于根据三个定位点构成三角形的几何特征，确定旋转矫正的旋转角；

矫正子模块，连接所述确定子模块和所述图像分割模块，用于根据所述旋转角以所述灰度图像的中心为旋转原点对所述灰度图像进行旋转矫正，得到矫正图像和矫正定位点位置。

5.如权利要求4所述的旋转数字识别系统，其特征在于，所述预处理模块中，对输入的视频帧图像进行预处理包括：对所述视频帧图像进行灰度化处理、下采样处理、上采样处理以及二值化处理。

6.如权利要求4所述的旋转数字识别系统，其特征在于，所述数字识别模块中，所述深度学习模型为PCANet模型，所述分类器为SVM分类器。