1.一种目标检测的分类模型建立方法，其特征在于，所述方法包括如下步骤：从训练样本集读取样本图像，将样本图像转化到RGB和HSV颜色模型；

获取所述颜色模型的R、G、B、H、S、V通道特征，基于线性反投影算法融合颜色信息和空间结构信息，获得最终特征；

使用分类器通过所述最终特征对图像进行分类，获得最终分类模型。

2.根据权利要求1所述的分类模型建立方法，其特征在于，获取所述颜色模型的R、G、B、H、S、V通道特征，基于线性反投影算法融合颜色信息和空间结构信息，获得最终特征，包括以下步骤：获取所述颜色模型的R、G、B、V通道特征，将所述通道特征融合，获得通道融合特征；

对所述HSV模型中的H和S通道进行量化，获得H和S通道上的量化特征；

将所述融合特征以及量化特征进一步融合，获得融合颜色信息的算子；

获取相邻像素区域的已经融合颜色信息的算子，将所述算子进行融合，获得融合颜色信息和融合空间结构信息的最终特征。

3.根据权利要求2所述的分类模型建立方法，其特征在于，所述获取所述颜色模型的R、G、B、V通道特征，将所述通道特征融合，获得通道融合特征，包括以下步骤：获取像素区域R、G、B和V通道值，分别计算两组邻域像素和中心像素的差值，获得线性反投影算法特征；

将所述线性反投影算法特征融合，获得第一次融合特征；

将所述第一次融合特征进行拆分，获得两个拆分特征，以供计算所述像素区域的编码；

通过所述拆分特征计算所述像素区域的编码；

将所述编码进行融合，获得通道融合特征。

4.根据权利要求2所述的分类模型建立方法，其特征在于，对所述HSV模型中的H和S通道进行量化采用非等间隔量化来提取颜色直方图特征的方式进行。

5.一种目标检测的分类模型建立装置，其特征在于，包括：转化模块，用于从训练样本集读取样本图像，将样本图像转化到RGB和HSV颜色模型；

特征融合计算模块，用于获取所述颜色模型的R、G、B、H、S、V通道特征，基于线性反投影算法融合颜色信息和空间结构信息，获得最终特征；

分类模块，使用分类器通过所述最终特征对图像进行分类，获得最终分类模型。

6.根据权利要求5所述的分类模型建立装置，其特征在于，所述特征融合计算模块，包括：通道特征融合单元，获取所述颜色模型的R、G、B、V通道特征，将所述通道特征融合，获得通道融合特征；

量化单元，对所述HSV模型中的H和S通道进行量化，获得H和S通道上的量化特征；

颜色信息融合单元，将所述通道融合特征以及量化特征进一步融合，获得融合颜色信息的算子；

空间信息融合单元，获取相邻像素区域的已经融合颜色信息的算子，将所述算子进行融合，获得融合颜色信息和空间结构信息的最终特征。

7.根据权利要求6所述的分类模型建立装置，其特征在于，所述通道特征融合单元，包括：线性反投影算法特征计算模块，用于获取像素区域R、G、B和V通道值，分别计算两组邻域像素和中心像素的差值，获得线性反投影算法特征；

反投影算法特征融合模块，用于将所述线性反投影算法特征融合，获得第一次融合特征；

特征拆分模块，将所述第一次融合特征进行拆分，获得两个拆分特征，以供计算所述像素区域的编码；

编码计算模块，用于通过所述拆分特征计算所述像素区域的编码；

编码融合模块，用于将所述编码进行融合，获得通道融合特征。

8.一种目标检测设备，其特征在于，所述设备包括：图像采集装置，用于采集样本图像；

如权利要求5-7所述的一种目标检测的分类模型建立装置；

机器人，用于使用分类模型建立装置，使分类模型建立装置执行权利要求1-4中任一项权利要求所述分类模型建立方法的步骤，利用所述分类模型进行目标检测。