1.一種基于機器學習的信用卡卡號識別方法，其特征在于，包括以下步驟：

(1)訓練信用卡卡號分類器；

(2)基于分類器文件，檢測待處理信用卡圖像的卡號位置；

(3)對獲得的信用卡卡號位置矩形區(qū)域進行傾斜校正；

(4)分割信用卡卡號數(shù)字，包括：

(41)獲得信用卡卡號數(shù)字的上下邊界位置；

(42)獲得信用卡卡號單個數(shù)字的左右邊界位置；

(5)識別信用卡卡號數(shù)字。

2.根據(jù)權利要求1所述的基于機器學習的信用卡卡號識別方法，其特征在于，步驟(1)，包括：

a、收集訓練樣本，將收集的信用卡圖像上的卡號區(qū)域作為訓練的正樣本，其余區(qū)域作為訓練的負樣本；

b、基于haar特征和adaboost算法，訓練信用卡卡號分類器。

3.根據(jù)權利要求1所述的基于機器學習的信用卡卡號識別方法，其特征在于，步驟(3)，包括：

a、按照以下公式將獲得的信用卡卡號位置矩形區(qū)域的下邊緣向下擴展，得到信用卡卡號位置擴展矩形區(qū)域：

rectdown.x=rect.xrectdown.y=rect.yrectdown.width=rect.widthrectdown.height=rect.height+rect.width*0.5]]>

其中，(rect.x，rect.y)、(rect_down.x，rect_down.y)分別表示信用卡卡號位置矩形區(qū)域rect、信用卡卡號位置擴展矩形區(qū)域rect_down的左上角坐標，rect.width、rect.height分別表示信用卡卡號位置矩形區(qū)域rect的寬度、高度，rect_down.width、rect_down.height分別表示信用卡卡號位置擴展矩形區(qū)域rect_down的寬度、高度；

b、采用以下公式，獲取所述信用卡卡號位置擴展矩形區(qū)域的水平邊緣特征圖：

Ex(i，j)＝g(i-2，j)+g(i-1，j)+g(i+1，j)+g(i+2，j)-4*g(i，j)

其中，Ex(i，j)表示所述水平邊緣特征圖的第i行第j列位置的像素灰度值，g(i，j)表示所述信用卡卡號位置擴展矩形區(qū)域的第i行第j列位置的像素灰度值；

c、基于最大類間距二值化算法，對所述水平邊緣特征圖進行二值化處理，得到二值水平邊緣特征圖；

d、選取所述二值水平邊緣特征圖上面積最大的連通區(qū)域；

e、基于以下最小二乘法原理式，對選取的連通區(qū)域的前景目標點進行直線擬合，得到該連通區(qū)域的傾斜角度：

γ=arctan(NΣxiyi-ΣxiΣyiNΣxi2-(Σxi)2)]]>

其中，γ表示所述連通區(qū)域的傾斜角度，x_i、y_i分別表示所述連通區(qū)域上前景目標點的橫坐標、縱坐標，N表示所述連通區(qū)域上前景目標點的數(shù)量；

f、采用以下公式對信用卡卡號位置矩形區(qū)域進行旋轉變換：

x=(x0-anchor_x)*cosγ-(y0-anchor_y)*sinγ+anchor_xy=(x0-anchor_x)*sinγ+(y0-anchor_y)*cosγ+anchor_y]]>

其中，(x₀，y₀)表示旋轉變換前的坐標值，(x，y)表示旋轉變換后的坐標值，(anchor_x，anchor_y)表示圖像旋轉基點。