1.一种利用投影回归的齿轮式数字仪表识别方法，包括回归器函数训练阶段和正式识别阶段；其特征在于，所述回归器函数训练阶段包括：

步骤一：对齿轮式数字仪表的数字区域图像进行预处理，包括对其进行边缘提取以及锐化处理；

步骤二：对锐化后图像以旋转增量α进行360°方向投影，得到至少360个投影特征；

步骤三：利用BP人工神经网络对数字区域图像集进行训练，训练出权重矩阵，得到回归器函数；

所述正式识别阶段包括：

步骤一：按照回归器函数训练阶段对待测的数字仪表图片进行相同的预处理以及投影；

步骤二：将各个待测的数字仪表图片的投影特征放入训练好的回归器函数中，回归到齿轮式数字仪表的对应环上，从而获得待测数字仪表的数字识别结果。

2.根据权利要求1所述的一种利用投影回归的齿轮式数字仪表识别方法，其特征在于，所述边缘提取以及锐化处理包括采用canny算子进行锐化，具体包括：其中，g(i,j)表示数字区域图像在(i，j)位置处的像素值；dx(i,j)表示数字区域图像(i，j)在x方向的梯度值；dy(i,j)表示数字区域图像(i，j)在y方向的梯度值。

3.根据权利要求1所述的一种利用投影回归的齿轮式数字仪表识别方法，其特征在于，所述对锐化后的图像以增量α进行360°方向投影，得到至少360个投影特征包括以图像的最大尺寸为底，以任意初始底进行投影，若该角度方向存在像素则对应特征向量位置为1，反之为0，即得到初始底的投影特征向量；以0.1～1°为旋转增量，得出每个旋转角度增量下对应的投影特征向量。

4.根据权利要求1所述的一种利用投影回归的齿轮式数字仪表识别方法，其特征在于，所述利用BP人工神经网络对数字区域图像集进行训练，训练出权重矩阵，得到回归器函数包括通过数字区域数据集训练BP人工神经网络内部的损失函数 的误差值最小，从而得到权重矩阵w，进而得到回归器函数yi＝xi.*w；

其中，.*表示正对相乘；yi表示第i个数字标签；xi表示第i个数字特征向量矩阵；n表示数字标签的个数；Ek表示BP人工神经网络中第k层的误差值； 表示反向运算中BP人工神经网络第k层的实际值； 表示BP人工神经网络中第k层的预测值；l表示BP人工神经网络的层数。