1.一种铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，包括以下步骤：

(1)将所采集的闸瓦钎部位图像划分为大小相等的四块图像区域；利用四块图像区域的图片样本库，提取多尺度中心变换编码直方图特征作为输入数据，并采用多类线性支持向量机的学习方法对多尺度中心变换编码直方图特征分类，训练出区域分类器；

(2)利用闸瓦钎目标物体的图片样本库，提取闸瓦钎目标物体的低层次梯度编码直方图特征作为输入数据，并利用线性支持向量机的学习方法对梯度编码直方图特征分类，训练出定位分类器；

(3)利用闸瓦钎丢失和未丢失的图片样本库，提取闸瓦钎丢失与未丢失图像的低层次中心变换编码块特征，并采用编码汇聚方式学习生成中等层次特征作为输入数据，在空间金字塔算法框架下采用线性支持向量机的学习方法对中等层次特征分类，训练出故障判别分类器；

(4)利用区域分类器分割出闸瓦钎所在的图像区域；

(5)在已分割出的闸瓦钎所在的图像区域内，采用多层次多层级的级联检测思路，先利用定位分类器定位闸瓦钎位置，再利用故障判别分类器对闸瓦钎是否丢失进行故障判别，实现铁路货车闸瓦钎丢失故障的全自动检测。

2.根据权利要求1所述的铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，所述步骤(1)中所述的闸瓦钎部位图像划分为大小相等的四块图像区域通过以下方式得到：以整幅图像长和宽的一半为图像区域的尺寸标准，无重叠地划分出四块图像区域。

3.根据权利要求1所述的铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，所述步骤(1)中所述的多尺度中心变换编码直方图特征通过以下方式得到：针对划分出的图像区域，利用具有尺度缩放的中心变换编码转换为编码图像，从所得到的编码图像中进行直方图统计，得到多尺度中心变换编码直方图特征。

4.根据权利要求1所述的铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，所述步骤(2)中提取低层次梯度编码直方图特征的方式为：针对分割出的闸瓦钎所在图像区域，通过高斯梯度算子转换为梯度图像，并针对所生成的梯度图像，采用中心变换编码转换为编码图像，从所得到的编码图像中进行直方图统计，得到梯度编码直方图特征。

5.根据权利要求1所述的铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，所述步骤(3)中所述的提取低层次中心变换编码块特征的方法是：在获取中心矩形块的平均灰度和其相邻的9个矩形块的平均灰度后，利用中心变换方式编码这些矩形区域，以形成矩形块特征。

6.根据权利要求1所述的铁路货车闸瓦钎丢失故障的自动检测方法，其特征在于，所述步骤(3)的所述编码汇聚方式是指最大汇聚模型，在图像的不同位置和不同空间尺度下进行特征最大汇聚。