1.一种基于超像素分割的车辆颜色识别方法，其特征在于，包括如下步骤：

步骤1：已知车辆图像I，车辆对应的车窗四个顶点位置WUL、WUR、WDL、WDR，车窗左右边缘对应的与水平直线的逆时针夹角记为θL、θR，则车辆偏转角度θCar可根据公式(1)计算得到；

步骤2：若θCar＜90°，根据公式(2)确定车辆颜色识别区域DF；否则，根据公式(3)确定；

其中，(DF.x1,DF.y1)、(DF.x2,DF.y2)、(DF.x3,DF.y3)、(DF.x4,DF.y4)分别表示区域DF的左上，右上，左下，右下四个顶点的坐标；

步骤3：从车辆图像I上得到平行四边形区域DF对应的近似矩形图像IFR，图像IFR的宽高分别根据公式(4)、(5)确定，图像IFR和图像I上像素满足公式(6)所示对应关系；

步骤4：用局部迭代聚类算法SLIC对图像IF进行超像素分割，得到超像素集P；

步骤5：利用空间均匀采样策略进行超像素采样，得到采样超像素集P’；

步骤6：通过串联采样超像素集P’中所有超像素块的HSV颜色直方图特征，得到颜色识别区域对应的HSV颜色直方图特征，其中，单个超像素块的HSV颜色直方图特征由36维的H分量、20维的S分量、20维的V分量组成；

步骤7：根据步骤1-6提取车辆数据集的HSV颜色特征，然后利用SVM分类器训练得到一个可以区分{黑、白、灰、黄、红、蓝、绿、棕}8种颜色的分类器。

2.根据权利要求1所述的一种基于超像素分割的车辆颜色识别方法，其特征在于，所述步骤5中空间均匀采样策略具体为：将图像等分为N*M个子区域，N、M分别表示图像的横向、纵向分割数，然后从每个子区域采样一个面积最大的超像素块。