1.基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，包括如下步骤：在车牌上方选取一个区域，作为车标识别的感兴趣区域；

采用随机均匀稀疏采样方法对样本图像进行采样，并将所有的采样点随机配对，划分成邻近点对集和非邻近点对集，对两类不同的点对集采用不同的方法进行特征提取，建立特征库，其中对于邻近点对集中的每个采样点提取八个角度范围的梯度幅值作为梯度分布特征，对于非邻近点对集中的每个采样点对计算其明暗关系及明暗关系的信任度作为灰度分布特征；

在确定感兴趣区域并准备好样本特征库后，设定一可缩放的窗口，在待测的感兴趣区域内进行扫描，对当前窗口位置上，窗口大小的图像进行特征提取，并与准备好的特征库进行对比，最终确定车标类型；

所述对于邻近点对集中的每个采样点提取八个角度范围的梯度幅值中，八个角度范围为0°～45°、45°～90°、90°～135°、135°～180°、180°～225°、225°～270°、270°～315°、315°～360°八个角度范围；将一个样本图像上邻近点对集中的所有采样点的梯度幅值按照对应角度范围区间累加到一起，得到一个梯度幅值总和的集合作为该样本图像的随机梯度分布特征；

根据如下公式计算待测图像的特征与特征库的相似度，并选择最大相似度值对应的车标类别作为识别结果：其中，Mt,w,c表示在缩放尺度为t，第w步的窗口位置的图像与第c类车标的相似度值，S为第c类车标的样本总数，Rt,w,i表示在缩放尺度为t，第w步的窗口位置的图像的第i个点对的明暗对比关系，n4表示筛选后非邻近点对集中的点对数，Relc,i表示第c类车标的第i个采样点对的明暗关系信任度，Rc,s,i表示第c类车标中第s张样本的第i个点对的明暗对比关系；

gt,w,j表示在缩放尺度为t，第w步的窗口位置的图像在第j个角度范围的梯度幅值总和，gc,s,j表示第c类车标第s张样本中第j个角度范围的梯度幅值总和。

2.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，所述车标识别的感兴趣区域的位置为：xl＝xpl

xr＝xpr

yb＝ypt

yt＝ypt+a*height

其中，xl,xr,yb,yt分别表示车标的左边界、右边界、下边界和上边界；xpl,xpr,ypt,height分别表示车牌的左边界、右边界、上边界以及车牌的高度；a为设定的车牌高度倍数。

3.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，对于采样点集中的随机配对的两个点p1点与p2点，分类方法为：对于随机选择的第一个点p1： 若选择的第二个点p2满足：则p1点与p2点配成的点对分类到非邻近点对集，否则分类到邻近点对集；其中，P(p1)、P(p2)分别表示选择p1点和p2点的概率，(x1，y1)为第一个点p1的坐标，(x2，y2)为第二个点p2的坐标，n0表示采样点总数目，np为已配对采样点数，p(x,y)为已配对的采样点，σ为尺度参数。

4.根据权利要求1所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，所述非邻近点对集中的采样点对的明暗关系表示为：其中，Ip1和Ip2是采样点p1和p2邻域内的灰度均值,t1是灰度均值临界值。

5.根据权利要求4所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，所述非邻近点对集中的采样点对的明暗关系的信任度表示为其中，Relc,i表示第c类车标的第i个采样点对的明暗关系信任度，S为第c类车标的样本总数，Rc,s,i表示第c类车标的第i个采样点对在第s个样本中的明暗关系。

6.根据权利要求5所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，从非邻近点对集中筛选出信任度大于设定阈值的点对集作为新的信任点对集。

7.根据权利要求6所述的基于稀疏取样灰度分布和梯度分布特征的车标识别方法，其特征在于，从所述新的信任点对集中筛选出与其他车标类别明暗关系相关度最小的若干采样点对作为最小相关点对集，所述最小相关点对集作为区分与其他类别车标的特征点对集。