1.一种基于目标检测的路标识别方法，其特征在于，包括以下步骤：S1、采集路标图像，对路标图像进行预处理，得到轮廓数据；

S2、通过LSTM特征提取模块提取轮廓数据的特征数据；

S3、将特征数据和对应标签构建为训练数据集；

S4、采用训练数据集对目标检测模型进行训练，得到训练完成的目标检测模型；

S5、采用训练完成的目标检测模型对待识别的路标图像的特征数据进行处理，得到对应的路标类型；

所述步骤S1包括以下分步骤：

S11、采集路标图像；

S12、提取路标图像的轮廓，得到轮廓数据；

所述步骤S12包括以下分步骤：

S121、从路标图像中任取一像素点，作为标准点；

S122、计算路标图像中其他像素点与标准点的颜色距离，得到多个颜色距离值；

S123、将低于颜色阈值的颜色距离值所对应的像素点灰度处理，并赋予低于颜色阈值的颜色距离值所对应的像素点同一种灰度值；

S124、将高于颜色阈值的颜色距离值所对应的像素点作为新的标准点；

S125、计算灰度化后剩余部分的像素点与新的标准点的颜色距离值，并跳转至步骤S123，直到路标图像灰度化成具有不同灰度值区域的灰度图像；

S126、选取灰度图像中非边缘区域的像素点，作为待定点；

S127、判断待定点的临近9个像素点的灰度值是否与待定点的灰度值相同，若是，则将该待定点定为待删除点，并跳转至步骤S128，若否，则保留待定点，并跳转至步骤S129；

S128、从待删除点的邻域中任意找到一个像素点，作为新的待定点，并跳转至步骤S127，直到所有灰度图像中非边缘区域所有像素点遍历完；

S129、将待删除点删除，所有待定点和边缘区域像素构成轮廓数据；

所述步骤S122中颜色距离值的计算公式为：

其中，d为像素点与标准点的颜色距离值，P1,R为像素点颜色的R通道，P2,R为标准点颜色的R通道，P1,G为像素点颜色的G通道，P2,G为标准点颜色的G通道，P1,B为像素点颜色的B通道，P2,B为标准点颜色的B通道；

步骤S4中训练过程的损失函数为：

其中，L为损失值，为目标检测模型的实际输出，y为目标检测模型的预测输出，x*为目标检测模型的预测输出的区域几何中心的横坐标，y*为目标检测模型的预测输出的区域几何中心的纵坐标， 为目标检测模型的实际输出的区域几何中心的横坐标，为目标检测模型的实际输出的区域几何中心的纵坐标，Di为涵盖目标检测模型的实际输出 和目标检测模型的预测输出y的区域中最远两像素点间的直线距离，v为目标检测模型的实际输出的区域与目标检测模型的预测输出y的区域重叠变化率。

2.根据权利要求1所述的基于目标检测的路标识别方法，其特征在于，所述步骤S4中目标检测模型的结构包括：第一残差块、第二残差块、第三残差块、第四残差块、第一Maxpool、第二Maxpool、第三Maxpool、Concat层、第一Conv、BN层和第二Conv；

所述第一残差块的输入端作为目标检测模型的输入端，其输出端分别第二残差块的输入端和第一Maxpool的输入端连接；所述第二残差块的输出端分别与第三残差块的输入端和第二Maxpool的输入端连接；所述第三残差块的输出端分别与第四残差块的输入端和第三Maxpool的输入端连接；所述Concat层的第一输入端与第一Maxpool的输出端连接，其第二输入端与第二Maxpool的输出端连接，其第三输入端与第三Maxpool的输出端连接，其第四输入端与第四残差块的输出端连接，其输出端与第一Conv的输入端连接；所述BN层的输入端与第一Conv的输出层连接，其输出端与第二Conv的输入端连接；所述第二Conv的输出端作为目标检测模型的输出端。

3.根据权利要求2所述的基于目标检测的路标识别方法，其特征在于，所述第一Maxpool的窗口大小为3*3；所述第二Maxpool的窗口大小为5*5；第三Maxpool的窗口大小为

7*7。