1.一种基于车窗粗定位的车标识别方法，其特征在于具体步骤如下：步骤1：定义车标种类集合为C＝{Ci|i＝1,…,t}，其中t为车标的总数，并建立相应的车标数据集；

步骤2：构建用于车标分类的卷积神经网络并用步骤1中的车标数据集进行训练，得到卷积神经网络；

步骤3：对输入的车辆图像I进行车标定位，I的宽为width，高为height，具体为：步骤3.1：识别车窗并根据车窗的位置对车标进行粗定位；

步骤3.2：根据式(7)，(8)，(9)计算每一像素行是否有效，若FRi为1，则表示第i行为有效行，否则，为无效行：其中，D(i,j)为矩形D第i行第j列的灰度值，σi为第i行像素值的标准差，μ1为比例系数，AVGr(i)为第i行的像素均值；

步骤3.3：连接相邻的有效行，得到有效块集合recti(xi,yi,wi,hi)，i＝1,2,...n，n为有效块的总数，其中，(xi,yi)为recti左上角坐标，wi和hi为矩形recti的宽和高；

步骤3.4：从recti中剔除块 的块，得到新的recti，根据(10)，(11)筛选出车标所在的区域R；

hmax＝max(h1,h2,...,hn)  (10)R＝rectmax(xmax,ymax,wmax,hmax)  (11)其中，(xmax,ymax)为R左上角坐标，wmax和hmax为矩形R的宽和高，为阈值；

步骤3.5：根据式(12)，(13，(14)计算每一列是否有效，若FCi为1，则表示第i行为有效行，否则，为无效行：其中，R(j,i)为矩形R第j行第i列的灰度值，σ'i为第i列像素值的标准差，μ1为比例系数，AVGc(i)为第i列的像素均值；

步骤3.6：根据式(15)，(16)，(17)得到车标精确定位区域D'，完成车标的精确定位：Fmax＝max(i|Fi＝1)  (15)

Fmin＝min(i|Fi＝1)  (16)

其中，(x',y')为D'左上角坐标，w'和h'为矩形D'的宽和高；

步骤4：利用训练好的卷积神经网络对车标定位区域D'进行识别，具体为：步骤4.1：将D'对应的图像I'归一化至N*N像素大小，传入步骤2训练所得的卷积神经网络，得到输出向量U＝(u1,u2,...,ut)，其中uk为I'对应车标Ck的概率，k＝1,2,...,t；

步骤4.2：根据式(18)得到最大的概率uq，则车标识别结果为Cq，Cq∈C，完成车标的识别：uq＝max(u1,u2,...,ut)  (18)。

2.根据权利要求1所述的一种基于车窗粗定位的车标识别方法，其特征在于步骤2中的构建用于车标分类的卷积神经网络并用步骤1中的车标数据集进行训练，具体过程为：步骤2.1：构建含有8层的卷积神经网络，8层依次是卷积层Conv1，池化层Pool2，卷积层Conv3，池化层Pool4，卷积层Conv5，池化层Pool6，全连接层Fc7，分类层Softmax8，其中卷积层Conv1的输入大小为N*N，分类层Softmax8的输出向量大小为t+1；

步骤2.2：随机初始化卷积神经网络，使用步骤1构建的车标数据集对卷积神经网络进行训练，并根据公式(1)计算损失函数L，并根据链式法则逐步计算反向误差，更新各层的权重参数值，直到输出的损失函数L≤θ，完成训练：i

其中，Y和 分别为实际输出和真实标签第i个神经元的值，θ为设定的阈值。

3.根据权利要求1所述的一种基于车窗粗定位的车标识别方法，其特征在于步骤3.1中的对车标进行粗定位具体为：步骤3.1.1：根据公式(2)对I进行灰度化处理，得到灰度图IG：IG(x,y)＝max(I(x,y,k))  (2)其中，IG(x,y)为图像IG上第x行第y列的灰度值，I(x,y,k)为图像I上第x行第y列第k个通道的灰度值，k＝1,2,3；

步骤3.1.2：使用OTSU方法对IG进行二值化，得到式IB，并根据式(3)得到IO：其中，e1,e2为结构元，为膨胀运算，Θ为腐蚀运算；

步骤3.1.3：扫描整幅二值图像IO，计算各白色区域的像素面积，过滤面积小于0.005*height*width的连通区域，得到连通区域的候选集l＝{li|i＝1,2,…,m}，m为过滤后连通区域的总数；

步骤3.1.4：利用最小外接矩形算法，通过公式(4)计算各个连通区域li(i＝1,2,...,m)占其最小外接矩形ri(i＝1,2,...,m)的面积百分比ai(i＝1,2,...,m)；

ai＝li/ri  (4)

步骤3.1.5：通过比较筛选出占外接矩形面积百分比最大的轮廓amax，使其满足公式(5)，完成车窗的识别；

amax＝max{a1,a2,......,an}  (5)步骤3.1.6：记轮廓amax所对应的矩形rmax为RW(xw,yw,ww,hw)，其中，(xw,yw)为矩形RW左上角坐标，ww和hw分别为矩形RW的宽和高；

步骤3.1.7：根据式(6)得到车标粗定位区域D，完成车标的粗定位：其中，(xd,yd)为D左上角坐标，wd和hd为矩形D的宽和高，ρ1,ρ2为比例系数。