1.一种针对车辆的颜色识别方法，其特征在于，包括：
获取车辆的车辆图像；
识别所述车辆图像中的车牌信息，所述车牌信息包括车牌的长度、宽度以及位置；
根据所述车牌信息确定车头区域以及所述车头区域的车头图像；
将所述车头图像转换成YUV格式的图像，得到车头YUV图像；
从所述车头YUV图像中抽取出Y分量数据、U分量数据、V分量数据并重新组合得到预设大小的车头YUYV图像；
将所述车头YUYV图像输入至基于YUYV图像训练的卷积神经网络模型；
根据所述卷积神经网络模型的输出结果确定所述车辆的车头的颜色。
2.根据权利要求1所述的针对车辆的颜色识别方法，其特征在于，所述根据所述车牌信息确定车头区域以及所述车头区域的车头图像包括：
根据所述车牌信息得到所述车牌的长度以及宽度；
将所述车牌的长度值按照第一预设比值增大并作为所述车头区域的长度值；
将所述车牌的宽度值按照第二预设比值增大并作为所述车头区域的宽度值；
确定所述车头区域并得到所述车头区域的所述车头图像。
3.根据权利要求2所述的针对车辆的颜色识别方法，其特征在于，所述从所述车头YUV图像中抽取出Y分量数据、U分量数据、V分量数据并重新组合得到预设大小的车头YUYV图像包括：
从所述车头YUV图像中按照预设条件抽取出所述Y分量数据、所述U分量数据、所述V分量数据；
按照所述Y分量数据、所述U分量数据、所述Y分量数据、所述V分量数据的顺序组合得到所述车头YUYV图像。
4.根据权利要求3所述的针对车辆的颜色识别方法，其特征在于，所述将所述车头YUYV图像输入至基于YUYV图像训练的卷积神经网络模型之前还包括：
训练所述卷积神经网络模型，包括：
获取一种颜色以上的单一颜色图像转换成的颜色YUYV图像，所述颜色YUYV图像的大小与所述车头YUYV图像的大小相等；
利用所述颜色YUYV图像训练所述卷积神经网络模型。
5.根据权利要求4所述的针对车辆的颜色识别方法，其特征在于，所述根据所述卷积神经网络模型的输出结果确定所述车辆的车头的颜色之后，还包括：
根据所述车辆的车头的颜色确定所述车辆的颜色。
6.一种装置，其特征在于，包括：
获取模块，用于获取车辆的车辆图像；
识别模块，用于识别所述车辆图像中的车牌信息，所述车牌信息包括车牌的长度、宽度以及位置；
第一确定模块，用于根据所述车牌信息确定车头区域以及所述车头区域的车头图像；
转换模块，用于将所述车头图像转换成YUV格式的图像，得到车头YUV图像；
抽取模块，用于从所述车头YUV图像中抽取出Y分量数据、U分量数据、V分量数据并重新组合得到预设大小的车头YUYV图像；
输入模块，用于将所述车头YUYV图像输入至基于YUYV图像训练的卷积神经网络模型；
第二确定模块，用于根据所述卷积神经网络模型的输出结果确定所述车辆的车头的颜色。
7.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：
第一获取单元，用于根据所述车牌信息得到所述车牌的长度以及宽度；
第一增大单元，用于将所述车牌的长度值按照第一预设比值增大并作为所述车头区域的长度值；
第二增大单元，用于将所述车牌的宽度值按照第二预设比值增大并作为所述车头区域的宽度值；
确定单元，用于确定所述车头区域并得到所述车头区域的所述车头图像。
8.根据权利要求7所述的装置，其特征在于，所述抽取模块包括：
抽取单元，用于从所述车头YUV图像中按照预设条件抽取出所述Y分量数据、所述U分量数据、所述V分量数据；
组合单元，用于按照所述Y分量数据、所述U分量数据、所述Y分量数据、所述V分量数据的顺序组合得到所述车头YUYV图像。
9.根据权利要求8所述的装置，其特征在于，还包括：
训练模块，用于训练所述卷积神经网络模型，包括：
第二获取单元，用于获取一种颜色以上的单一颜色图像转换成的颜色YUYV图像，所述颜色YUYV图像的大小与所述车头YUYV图像的大小相等；
训练单元，用于利用所述颜色YUYV图像训练所述卷积神经网络模型。
10.根据权利要求9所述的装置，其特征在于，还包括：
第三确定模块，用于根据所述车辆的车头的颜色确定所述车辆的颜色。