1.一种基于区域辨别的车辆颜色识别方法，其特征在于：使用检测出的整车图像作为输入，采用深度学习算法框架，经过车辆颜色区域辨别、车辆颜色特征提取和车辆颜色判断各步骤处理之后，输出待识别车辆的颜色类别；所述车辆颜色区域辨别，是将整车图像中依据颜色信息量辨别出整车图像中颜色识别的主线索区域、辅助识别区域及无关区域，并通过对这些区域的准确检测，分别提取车辆颜色特征，以实现对车辆颜色的准确识别。
2.根据权利要求1所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述主线索区域、辅助识别区域，以及无关线索区域，指整车图像中包含不同颜色信息量的区域，无关线索区域是指车辆的车窗部分，该无关线索区域在整车图像中的占比大，但是不包含任何车辆颜色信息，辅助识别区域是指车辆表面的反光区域，主线索区域是指在整车图像中除了无关区域以及辅助识别区域以外的部分，这部分区域中颜色信息丰富，与车体颜色的相关度高。
3.根据权利要求1所述的基于区域辨别的车辆颜色识别方法，其特征在于：采用多尺度检测方法和多区域检测方法，辨别出整车图像中颜色识别的主线索区域、辅助识别区域，以及无关区域。
4.根据权利要求3所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述多尺度检测方法将SPP-net作为检测的网络结构，利用其中的多尺度特征池化层完成不同尺度区域的特征提取并且进行归一化。
5.根据权利要求3所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述多区域检测方法采用selective search算法和滑窗法作为提取候选区域的算法，利用车窗的长宽比作为先验知识，设置滑窗的大小，可以有效的提取车窗区域，通过结合两种候选区域生成的算法，有效地克服了车窗区域以及反光区域在形状、大小，以及颜色信息上的差异，实现了多种类型区域的同时提取。
6.根据权利要求1所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述车辆颜色特征提取采用卷积神经网络自动生成颜色特征，针对颜色识别这个特定任务训练卷积神经网络模型，使用卷积神经网络分别对车辆的主线索区域和辅助区域提取颜色特征。
7.根据权利要求6所述的基于区域辨别的车辆颜色识别方法，其特征在于：在使用卷积神经网络处理输入之前，利用高斯核对区域图像进行预处理，降低卷积神经网络网络对于纹理信息的响应，提升了卷积神经网络对于颜色信息的针对性。
8.根据权利要求1所述的基于区域辨别的车辆颜色识别方法，其特征在于：所述的车辆颜色判断采用特征融合的方法综合利用主线索区域以及辅助识别区域的颜色特征作为车辆颜色判断的依据，具体地，将主线索区域的特征与辅助识别区域的特征进行拼接，作为整车图像最终的颜色特征，通过采用特征融合的方法，结合主线索区域以及辅助识别区域的颜色信息，可以有效地应对辅助识别区域在不同光照情况造成的颜色信息损失，当辅助识别区域由于反光严重丢失较多颜色信息时，主线索区域部分的颜色特征将起到决定性的作用，当辅助识别区域的反光情况不严重时，辅助识别区域部分的特征也会对车辆颜色的分类产生影响，有助于提升车辆颜色判断的准确率。