1.一种交通标志图像识别模型构建方法，其特征在于，所述的方法包括：

步骤1、提取多张原始图像中仅含有交通标志区域的部分，获得交通标志图像集，将交通标志图像集中每幅交通标志图像中交通标志的名称以及交通标志的位置作为各自的交通标志标签，获得交通标志标签集，所述的交通标志的位置为仅含有交通标志区域在原始图像中的位置；

步骤2、将所述的交通标志图像集作为输入，将所述的交通标志标签集作为输出，训练图像识别模型，获得交通标志识别模型；所述的图像识别模型包括图像校正层、第一卷积层、SPP层、第一全连接层、第一Softmax层以及第二全连接层，其中所述的图像校正层包括空间变换网络，所述的空间变换网络对待处理图像中扭曲的交通标志进行几何校正，所述的第一Softmax层输出交通标志的位置，所述的第二全连接层输出交通标志的名称。

2.如权利要求1所述的交通标志图像识别模型构建方法，其特征在于，利用交通标志区域提取模型提取多张原始图像中仅含有交通标志区域的部分，获得交通标志图像集，其中所述的交通标志区域提取模型由图像提取模型训练获得，所述的图像提取模型包括第二卷积层、特征映射层、第二Softmax层以及第三全连接层，包括：步骤11、从所有原始图像中取出多张原始图像作为待提取区域图像集，利用所述第二卷积层提取每一幅待提取区域图像的卷积特征图；

步骤12、在所述的特征映射层中，对每一幅卷积特征图设定多个提取区域，将每个提取区域的区域类别以及区域位置作为各自的区域标签；所述的区域类别包括交通标志区域以及背景区域，所述的区域位置为提取区域在卷积特征图中的位置；

将每一幅卷积特征图对应的所有提取区域的区域标签作为该幅卷积特征图的标签集；

收集所有卷积特征图的标签集，获得待提取区域标签集；

步骤13、将所述的待提取区域图像集作为输入，将所述的待提取区域标签集作为输出，训练所述的图像提取模型，获得交通标志区域提取模型；

步骤14、利用步骤13中的交通标志区域提取模型对所有原始图像中交通标志区域进行提取，获得多个提取区域以及每个提取区域的区域类别；

步骤15、从所有提取区域中筛选出区域类别为交通标志区域的提取区域，保存该提取区域内的原始图像为交通标志图像，收集所有交通标志图像，获得交通标志图像集。

3.如权利要求2所述的交通标志图像识别模型构建方法，其特征在于，采用卷积层参数共享的方法训练所述的图像识别模型以及图像提取模型，获得交通标志识别模型以及交通标志区域提取模型。

4.如权利要求3所述的交通标志图像识别模型构建方法，其特征在于，在所述的图像提取模型中，所述的第二卷积层共有7层；

在所述的图像识别模型中，所述的第一卷积层共有7层。

5.如权利要求2所述的交通标志图像识别模型构建方法，其特征在于，在所述的特征映射层中对每一幅卷积特征图设定提取区域时，设定4个提取区域，这4个提取区域的尺寸分别是32×32、64×64、128×128、256×256。

6.如权利要求2所述的交通标志图像识别模型构建方法，其特征在于，利用IOU算法获得所述提取区域的区域类别，所述的IOU算法中阈值为0.7。

7.如权利要求2所述的交通标志图像识别模型构建方法，其特征在于，采用第二Softmax层输出所述区域类别，采用第三全连接层输出所述区域位置。

8.一种交通标志图像识别方法，其特征在于，所述的方法包括：

步骤A、将待识别图像输入如权利要求2所述的交通标志区域提取模型中，获得交通标志图像；

步骤B、将所述的交通标志图像输入如权利要求1-7任一项权利要求所述的交通标志识别模型，获得所述待识别图像中交通标志的名称以及交通标志的位置。