1.一种基于深度学习的道路上方文字交通标志识别方法，其特征在于：所述识别方法包括如下步骤：

Step1：采集道路上方文字交通标志，并对图像进行预处理；

Step2：根据源域和目标域交通标志图像具有形状相似性，将基于源域已训练好的网络参数迁移到Faster-R-CNN网络上作为文字交通标志检测网络的初始网络参数，然后基于目标域样本对网络参数进行微调获得最终的网络参数；与此同时，对RGB颜色空间的交通标志图像进行HSV颜色空间转换，并将转换后的HSV颜色空间图像也作为Faster-R-CNN网络的输入；

Step3：将Faster-R-CNN网络输出的Bbox信息和Scores信息输出给EAST文本文字检测网络模型和ELM分类器的识别模型，利用EAST文本文字检测网络模型和ELM分类器的识别模型对检测到的道路上方文字交通标志进行识别分类，并输出检测结果。

2.根据权利要求1所述的一种基于深度学习的道路上方文字交通标志识别方法，其特征在于：所述方法的图像预处理方法为提取图片中上部交通标志所在位置的图像内容。

3.根据权利要求1所述的一种基于深度学习的道路上方文字交通标志识别方法，其特征在于：所述Faster-R-CNN网络的训练方法为：Step1：利用文字交通标志数据库，输出大量采集到的图片输入Faster-R-CNN网络进行训练；

Step2：输入文字交通标志分类标准，将道路上方交通标志中的文字交通标志分为：目标地点导向标志、车道区分标志和提示语标志三类；分别设置相对应的关键字集，所述目标地点导向标志对应的关键字集包含地点名称；所述车道区分标志对应的关键字集包含车道区分文字；所述提示语标志对应的关键字集包含提示语文字。

Step3：利用迁移学习的网络确定初始参数；利用已训练好的形状检测识别网络参数值作为Faster-R-CNN网络的参数初值，再利用Step1中所述的交通标志数据库对Faster-R-CNN网络进行微调。

4.根据权利要求1所述的一种基于深度学习的道路上方文字交通标志识别方法，其特征在于：所述EAST文本文字检测网络模型在对道路上方文字交通标志进行识别时，根据道路上方文字交通标志上的文字不存在旋转角度，对原有的网络模型结构进行修剪，去除了旋转角度信息的输出与相应的卷积层，以提高识别速度。

5.一种基于深度学习的道路上方文字交通标志识别装置，至少包括图像采集识别单元、运算单元、存储单元和输出单元，其特征在于：所述存储单元存储有权利要求1-4任一所述算法；所述运算单元运行权利要求1-4任一所述算法，并通过输出单元对外输出。