1.路面病害图像的自动识别方法，其特征在于，包括如下步骤：(1)将拍摄的路面图像进行预处理，所述预处理包括Gamma灰度校正、高斯滤波增强和局部自适应二值化；

(2)对预处理后得到的二值化图像进行边缘检测；

(3)对边缘检测后的图像进行连通域轮廓检测，获得连通域的个数和连通域轮廓的外接矩形；

(4)根据连通域轮廓的外接矩形的形状判断出路面裂缝所在区域；

(5)根据路面裂缝所在区域的位置信息从边缘检测后的图像中提取裂缝区域图像，并叠加黑色模板形成与原始图像大小相同的裂缝特征图像；

(6)基于卷积神经网络对裂缝特征图像进行分类。

2.根据权利要求1所述的路面病害图像的自动识别方法，其特征在于，所述步骤(1)中对图像进行Gamma灰度校正时，校正参数γ<1，将图像的高光部分拓展而暗调部分压缩。

3.根据权利要求1所述的路面病害图像的自动识别方法，其特征在于，所述步骤(1)中局部自适应二值化的计算方法为：其中，(x1,y1)、(x2,y2)为局部区域的左上角和右下角点的坐标值， 为局部区域的长和宽，S(x,y)为局部区域范围内像素点的积分图像值，S(i,j)为局部区域的中心点的积分图像值，I(i,j)为二值化后的灰度值。

4.根据权利要求1所述的路面病害图像的自动识别方法，其特征在于，所述步骤(2)中采用Canny算子进行边缘检测。

5.根据权利要求1所述的路面病害图像的自动识别方法，其特征在于，所述步骤(4)中路面裂缝所在区域的判断依据为：若外接矩形的宽和高之和大于等于设定的阈值，则认为是路面裂缝所在区域。

6.根据权利要求1所述的路面病害图像的自动识别方法，其特征在于，所述步骤(6)中卷积神经网络包括三层卷积层和一层全连接层，前两层卷积层连接池化层，全连接层有四个神经元，神经网络训练集中的图像包括横向裂缝图像、纵向裂缝图像、网状裂缝图像和无裂缝图像。

7.采用如权利要求1-6任一项所述路面病害图像的自动识别方法的路面病害图像的自动识别系统，其特征在于，包括：预处理模块，用于对拍摄的路面图像进行预处理，包括：

灰度校正单元，用于对原始图像进行Gamma灰度校正处理；

滤波增强单元，用于对灰度校正后的图像进行高斯滤波增强处理；

以及，二值化单元，用于对滤波增强后的图像进行局部自适应二值化处理；

边缘检测模块，用于对二值化后的图像进行边缘检测；

裂缝区域定位模块，用于对边缘检测后的图像进行连通域轮廓检测，获取连通域轮廓的外接矩形，并基于外接矩形的形状定位路面裂缝所在区域；

裂缝精确分割模块，用于根据裂缝所在区域的位置信息从边缘检测后的图像中提取裂缝区域图像，并叠加黑色模板形成与原始图像大小相同的裂缝特征图像；

以及，裂缝分类模块，用于基于卷积神经网络对裂缝特征图像进行分类。