1.一种交通标识牌跟踪识别方法，其特征在于，所述方法包括下述步骤：选取用于对交通标识牌图像进行分割的彩色空间通道；

构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；

对视频序列中跟踪到的交通标识牌进行纵向处理；

构建神经网络分类器，并利用构建的神经网络分类器对所述交通标识牌的分类特征信息进行标识牌检测识别。

2.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述选取用于对交通标识牌图像进行分割的彩色空间通道的步骤具体包括下述步骤：根据交通标识牌所具备的特征，拍摄不同天气和不同光照环境下的标识牌图像，并建立标识牌图像数据库；

采用若干个彩色空间对所述标识牌图像数据库中的标识牌图像进行训练，并在多维度空间内进行聚类分析，获取彩色空间通道进行选择。

3.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息的步骤具体包括下述步骤：对标识牌图像进行解析，获取标识牌图像的概念特征集合，所述概念特征集合包括形状特征、颜色特征、梯度特征以及位置特征；

对标识牌图像的概念特征集合进行有效特征的选择，获取交通标识牌的分类特征信息。

4.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述对视频序列中跟踪到的交通标识牌进行纵向处理的步骤具体包括下述步骤：建立交通标识牌的训练图像集，基于PCA核函数建立图像投影空间；

建立MAP估计数学模型；

根据所述图像投影空间和MAP估计数学模型，生成基于核函数PCA的MAP重建数学模型；

在视频序列中选择其中一幅初始图像进行空间投影，作为初始的先验图像信息；

基于初始的先验图像信息对连续视频帧中的图像进行纵向模糊处理，获取高分辨率的图像。

5.根据权利要求1所述的交通标识牌跟踪识别方法，其特征在于，所述构建神经网络分类器的步骤具体包括下述步骤：获取交通标识牌样本图像和非交通标识牌样本图像，建立训练样本图库；

使用Haar小波特征、MB-LBP特征和SURF特征对所述训练样本图库中的图像进行特征选择；

将选择到的特征输入到三层感知器神经网络进行交通标识牌的综合训练，获得所述神经网络分类器；

所述神经网络分类器输入的是选择的特征，输出的是交通标识牌的分类结果信息。

6.一种交通标识牌跟踪识别系统，其特征在于，所述系统包括：彩色空间通道选取模块，用于选取用于对交通标识牌图像进行分割的彩色空间通道；

分类特征信息获取模块，用于构建结合多层注意力检测机理模型的层叠检测系统，对标识牌图像进行交通标识牌初步检测，获取交通标识牌的分类特征信息；

纵向处理模块，用于对视频序列中跟踪到的交通标识牌进行纵向处理；

神经网络分类器构建模块，用于构建神经网络分类器；

标识牌识别模块，用于利用构建的神经网络分类器对所述交通标识牌的分类特征信息进行标识牌检测识别。

7.根据权利要求6所述的交通标识牌跟踪识别系统，其特征在于，所述彩色空间通道选取模块具体包括：数据库建立模块，用于根据交通标识牌所具备的特征，拍摄不同天气和不同光照环境下的标识牌图像，并建立标识牌图像数据库；

训练模块，用于采用若干个彩色空间对所述标识牌图像数据库中的标识牌图像进行训练，并在多维度空间内进行聚类分析，获取彩色空间通道进行选择。

8.根据权利要求6所述的交通标识牌跟踪识别系统，其特征在于，所述分类特征信息获取模块具体包括：概念特征获取模块，用于对标识牌图像进行解析，获取标识牌图像的概念特征集合，所述概念特征集合包括形状特征、颜色特征、梯度特征以及位置特征；

分类特征获取模块，用于对标识牌图像的概念特征集合进行有效特征的选择，获取交通标识牌的分类特征信息。

9.根据权利要求6所述的交通标识牌跟踪识别系统，其特征在于，所述纵向处理模块具体包括：图像投影空间建立模块，用于建立交通标识牌的训练图像集，基于PCA核函数建立图像投影空间；

MAP模型建立模块，用于建立MAP估计数学模型；

重建数学模型生成模块，用于根据所述图像投影空间和MAP估计数学模型，生成基于核函数PCA的MAP重建数学模型；

先验图像信息生成模块，用于在视频序列中选择其中一幅初始图像进行空间投影，作为初始的先验图像信息；

高分辨率图像获取模块，用于基于初始的先验图像信息对连续视频帧中的图像进行纵向模糊处理，获取高分辨率的图像。

10.根据权利要求6所述的交通标识牌跟踪识别系统，其特征在于，所述神经网络分类器构建模块具体包括：训练样本图库建立模块，用于获取交通标识牌样本图像和非交通标识牌样本图像，建立训练样本图库；

特征选择模块，用于使用Haar小波特征、MB-LBP特征和SURF特征对所述训练样本图库中的图像进行特征选择；

综合训练模块，用于将选择到的特征输入到三层感知器神经网络进行交通标识牌的综合训练，获得所述神经网络分类器；

所述神经网络分类器输入的是选择的特征，输出的是交通标识牌的分类结果信息。