1.一种车辆型号识别方法，其特征在于，包括：
利用类型及颜色识别模型确定车辆类型及颜色的步骤；
利用车辆品牌识别模型确定车辆的品牌的步骤；
根据已经确定的车辆类型、颜色及品牌选择车型分类器，利用选择的车型分类器确定车辆的型号的步骤。
2.根据权利要求1所述的一种车辆型号识别方法，其特征在于，确定车辆类型及颜色的步骤进一步包括：
步骤11：获取包含有目标车辆的深度信息的深度图像；
步骤12：根据深度图像建立目标车辆的三维图像，得到各个像素点的三维坐标(x,y,z)，对三维坐标(x,y,z)进行归一化得到(Sx,Sy,Sz)；
步骤13：将各个像素点的归一化坐标及该像素点的RGB值叠加形成六元素的一维特征向量(Sx,Sy,Sz,R,G,B)；
步骤14：将全部像素点的一维特征向量输入类型及颜色识别模型，得到类型及颜色识别模型输出的目标车辆的类型及颜色。
3.根据权利要求2所述的一种车辆型号识别方法，其特征在于，确定车辆的品牌的步骤进一步包括：
步骤21：获取三维图像中的车头或车尾的图像；
步骤22：将车头或车位图像中各像素点的归一化坐标(Sx,Sy,Sz)输入车辆品牌识别模型，得到车辆品牌识别模型输出的车辆品牌。
4.根据权利要求2所述的一种车辆型号识别方法，其特征在于，确定车辆的型号的步骤进一步包括：
步骤31：获取三维图像中的车辆的顶面、侧面和车头或车尾的图像；
步骤32：提取顶面图像的HOG特征，将顶面图像HOG特征输入选定的车型分类器中的顶面维度的子分类器；提取侧面图像的HOG特征，将侧面图像的HOG特征输入选定的车型分类器中的侧面维度的子分类器；提取车头或车尾图像的HOG特征，将车头或车尾图像的HOG特征输入选定的车型分类器中的正面维度的子分类器；将选定的车型分类器中的三个子分类器输出结果进行加权求和作为该选定车型分类器的输出结果，根据选定车型分类器的输出结果判断目标车辆是否属于该选定车型分类器对应的车辆型号，如不是则更换一个车型分类器重复本步骤，直到某个车型分类器的输出结果显示目标车辆的型号是该车型分类器对应的车辆型号。
5.根据权利要求1所述的一种车辆型号识别方法，其特征在于，所述类型及颜色识别模型为一分类卷积神经网络；其训练过程如下：
步骤a1：建立样本库，获取样本库中各样本车辆的深度图像，所述深度图像包含深度信息；
步骤a2：根据深度图像建立样本车辆的三维图像，得到各个像素点的三维坐标(x,y,z)，对三维坐标(x,y,z)进行归一化得到(Sx,Sy,Sz)；
步骤a3：将各个像素点的归一化坐标及该像素点的RGB值叠加形成六元素的一维特征向量(Sx,Sy,Sz,R,G,B)；
步骤a4：逐一使用样本车辆各像素点的一维特征向量及其类型、颜色训练卷积神经网络得到类型及颜色识别模型。
6.根据权利要求1所述的一种车辆型号识别方法，其特征在于，所述车辆品牌识别模型为一分类卷积神经网络；其训练过程如下：
步骤b1：建立样本库，获取样本库中各样本车辆的深度图像，所述深度图像包含深度信息；
步骤b2：根据深度图像建立样本车辆的三维图像，得到各个像素点的三维坐标(x,y,z)，对三维坐标(x,y,z)进行归一化得到(Sx,Sy,Sz)；
步骤b3：获取三维图像中的车头或车尾的图像；
步骤b4：逐一使用样本车辆的车头或车尾图像的各像素点归一化坐标及其品牌训练卷积神经网络得到车辆品牌识别模型。
7.根据权利要求1所述的一种车辆型号识别方法，其特征在于，每个车型分类器对应一个车辆型号，且每个车型分类器包含顶面维度子分类器、侧面维度子分类器及正面维度子分类器；每个子分类器为一个支持向量机模型；车型分类器的训练过程如下：
步骤c1：建立车型分类器对应的车辆型号的样本库，获取样本库中各样本车辆的深度图像，所述深度图像包含深度信息；
步骤c2：根据深度图像建立样本车辆的三维图像，得到各个像素点的三维坐标(x,y,z)，对三维坐标(x,y,z)进行归一化得到(Sx,Sy,Sz)；
步骤c3：获取三维图像中的车辆的顶面、侧面和车头或车尾的图像；
步骤c4：提取样本车辆顶面图像的HOG特征，用各个样本车辆顶面图像的HOG特征及其车辆型号训练一个支持向量机模型得到顶面维度子分类器；提取样本车辆侧面图像的HOG特征，用各个样本车辆侧面图像的HOG特征及其车辆型号训练一个支持向量机模型得到侧面维度子分类器；提取样本车辆车头或车尾图像的HOG特征，用各个样本车辆车头或车尾图像的HOG特征及其车辆型号训练一个支持向量机模型得到正面维度子分类器。
8.一种车辆型号识别装置，其特征在于，包括：
类型及颜色识别单元，用于利用类型及颜色识别模型确定车辆类型及颜色；
品牌识别单元，用于利用车辆品牌识别模型确定车辆的品牌；
车辆型号识别单元，用于根据已经确定的车辆类型、颜色及品牌选择车型分类器，利用选择的车型分类器确定车辆的型号的步骤。
9.根据权利要求8所述的一种车辆型号识别装置，其特征在于，类型及颜色识别单元进一步包括：
深度图像获取子单元，用于获取包含有目标车辆的深度信息的深度图像；
三维图像转换子单元，用于根据深度图像建立目标车辆的三维图像，得到各个像素点的三维坐标(x,y,z)，对三维坐标(x,y,z)进行归一化得到(Sx,Sy,Sz)；
特征向量获取子单元，用于将各个像素点的归一化坐标及该像素点的RGB值叠加形成六元素的一维特征向量(Sx,Sy,Sz,R,G,B)；
类型及颜色识别模型调用子单元，用于将全部像素点的六维特征向量输入类型及颜色识别模型，得到类型及颜色识别模型输出的目标车辆的类型及颜色。
10.根据权利要求9所述的一种车辆型号识别装置，其特征在于，车辆型号识别单元进一步包括：
主视图获取子单元，用于获取三维图像中的车辆的顶面、侧面和车头或车尾的图像；
车型分类器调用子单元，用于提取顶面图像的HOG特征，将顶面图像HOG特征输入选定的车型分类器中的顶面维度的子分类器；提取侧面图像的HOG特征，将侧面图像的HOG特征输入选定的车型分类器中的侧面维度的子分类器；提取车头或车尾图像的HOG特征，将车头或车尾图像的HOG特征输入选定的车型分类器中的正面维度的子分类器；将选定的车型分类器中的三个子分类器输出结果进行加权求和作为该选定车型分类器的输出结果，根据选定车型分类器的输出结果判断目标车辆是否属于该选定车型分类器对应的车辆型号，如不是则更换一个车型分类器重复本步骤，直到某个车型分类器的输出结果显示目标车辆的型号是该车型分类器对应的车辆型号。