技术特征：
1.一种基于分块识别的道路警告标志检测与识别方法，其特征在于，包括以下步骤：步骤1：获取车载视频数据，将其拆解成按时间先后顺序排列的影像，调取出对应曝光时刻车辆的GPS、IMU数据以获取车辆的车速和姿态；步骤2：将车载视频分解为帧图像，并对各帧进行预处理；所述预处理包括滤波、去雾、去霾、色彩平衡；步骤3：将步骤2中处理后的帧图像由RGB色彩空间转换到HSV色彩空间，以得到与人眼视觉系统最为符合的颜色空间；步骤4：采用优化后的HSV阈值分割方法对步骤3中转换的HSV空间的帧图像进行颜色分割，并对分割结果进行二值化处理，得到二值图像；步骤5：对二值图像进行形态学开运算和闭运算以去除孤立点，并通过边缘提取算法获取连通区域的轮廓信息，在此基础上根据轮廓的几何参数判定连通区域的形状，从而检测出图像中的三角形区域，获取三角形标志大致所在的区域即粗糙感兴趣区域Rough_ROI；步骤6：根据三角形的几何特征对粗糙感兴趣区域Rough_ROI进行交通标志的轮廓拟合，并对其进行尺度归一化和几何纠正处理，得到精确感兴趣区域Exact_ROI；步骤7：提取精确感兴趣区域Exact_ROI的分块特征；步骤8：提取精确感兴趣区域Exact_ROI的HOG特征；步骤9：结合分块特征和HOG特征，以标志库为样本，采用SVM方法对检测出的标志进行分类识别。2.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其特征在于：步骤4中所述采用优化后的HSV阈值分割方法对步骤3中转换的帧图像基于HSV颜色空间做颜色分割，其具体实现过程包括以下子步骤：步骤4.1：针对由RGB颜色空间向HSV颜色空间转换后的帧图像，计算帧图像中每个像素的黄色程度，得到表征黄色程度的灰度图像；步骤4.2：对于黄色程度的灰度图像，用正方形窗口对其进行均值滤波，去除噪声；步骤4.3：采用OTSU自动阈值法提取出黄色程度灰度图像的黄色位图，采\t用正方形窗口对其进行均值滤波，得到每个正方形窗口内黄色点个数所占总像素的比例；步骤4.4：设定双阈值，得到优化后的图像黄色位图。3.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其特征在于，步骤6的具体实现包括以下子步骤：步骤6.1：对步骤5中提取出的粗糙感兴趣区域Rough_ROI，按逆时针方向将粗糙感兴趣区域Rough_ROI的轮廓转点进行编号，记为P1、P2、P3、…、Pn，n≥3，并将拟合出的轮廓线段分别记作L1、L2、L3、…、Ln；步骤6.2：取L1、L2、L3、…、Ln序列中长度排前三的线段作为待拟合三角形标志的三边，将三条边根据角度关系、相对位置关系确定三边关系，分别记为L左、L右和L底；步骤6.3：分别在L左、L右和L底所在直线方向，同时对三条线段进行延长，最终得到两两相交的三边；记L左、L右的延长线交于P顶；L右、L底延长线相交于点P右；L左、L底延长交于P左；步骤6.4：P左、P顶、P右即检测出的三角形的三个顶点，两两连接P左、P顶、P右三点，所组成的三角形区域即为分割出的交通标志精确感兴趣区域Exact_ROI；步骤6.5：采用双线性差值算法将所有精确感兴趣区域Exact_ROI尺寸归一化到40×40像素；步骤6.6：采用仿射变换对精确感兴趣区域Exact_ROI进行几何纠正，使其于标志库中的正三角形状相同。4.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其特征在于，步骤7的具体实现包括以下子步骤：步骤7.1：将三角形分为14块，相互不重叠且互为领域分开，每个块大小为10*10像素，第1号块左上起点坐标为(30，35)，依次划分为14小块，第14号小块在所有分块的最右下方，14块小块全部位图三角形黑色外框内部；步骤7.2：利用OTSU二值化方法，对灰度影像进行处理，得到二值内核图案；步骤7.3：以每一小块内提取的内核二值图案所有前景色像素的总数占分块窗口大小的比值作为特征值，其中前景色像素值为1，背景为0，窗口面积大小为10×10；并将这14个小块的特征值合并成一个向量，由此得到每个交通标志精确感兴趣区域Exact_ROI的1×14维特征向量，作为其分块特征。5.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其特征在于，步骤8的具体过程为：将角度空间平均划分为8个通道，并以每个像素在8个方向的梯度幅度为权值，采用三线性差值方法对各个通道进行加权投票。6.根据权利要求1所述的基于分块识别的道路警告标志检测与识别方法，其特征在于，步骤9的具体实现包括以下子步骤：步骤9.1：采用HOG特征对图像粗分类，得到标志大类；步骤9.2：根据具体大类，利用HOG融合分块特征，采用SVM对标志进行精分类。