1.一種遠光燈檢測方法，其特征在于，所述方法包括：

獲得待檢測圖像中預設區域內像素點的灰度值分布；

根據所述灰度值分布，判斷所述待檢測圖像的拍攝模式是否為夜晚模式；

在判斷結果為夜晚模式的情況下，獲得所述待檢測圖像中的疑似車輛區域；

按照預設的車燈定位規則，從所述疑似車輛區域中定位到疑似車燈區域；

根據所述疑似車燈區域內預設數量個像素點的灰度值，檢測所述待檢測圖像中的疑似車輛是否開啟了遠光燈，包括：選擇所述疑似車燈區域內按照灰度值由高到低順序排列的前M個像素點，其中，M為正整數；計算所述M個像素點的平均灰度值V_M；判斷所述平均灰度值V_M是否大于預設的灰度值閾值T_d；若所述平均灰度值V_M不大于預設的灰度值閾值T_d，則基于預設的車輛子品牌確定模型，確定所述疑似車輛對應的目標子品牌；提取所述疑似車燈區域的區域特征、灰度特征和梯度特征，并將所提取的各個特征構成的特征向量輸入至預先建立的與所述目標子品牌對應的目標遠光燈檢測模型中，所述目標遠光燈檢測模型，依據輸入的特征向量，以及在所述目標遠光燈檢測模型訓練完成時所獲得的區域特征、灰度特征和梯度特征與遠光燈開啟狀態的對應關系，檢測所述待檢測圖像中的疑似車輛是否開啟了遠光燈；

所述按照預設的車燈定位規則，從所述疑似車輛區域中定位到疑似車燈區域，包括：

S1：在所述疑似車輛區域中選取預設數量R個關鍵點，并將所選取的R個關鍵點確定為當前關鍵點；

S2：基于預設的特征提取規則，分別提取每一個當前關鍵點的特征；

S3：將當前關鍵點的全部特征分別輸入至預先建立的與各個關鍵點對應的線性回歸模型中，所述各個當前關鍵點對應的線性回歸模型分別計算出各個當前關鍵點與各自的目標關鍵點之間的偏差量；

S4：根據計算出的各個偏差量，校正各個當前關鍵點的位置，并將校正后的各個關鍵點確定為當前關鍵點，并返回執行步驟S2和步驟S3，直至滿足預設的停止校正條件；

S5：根據校正停止后得到的當前關鍵點的位置，擬合出前照燈的輪廓，并將所述前照燈的輪廓所對應的圖像區域確定為疑似車燈區域。