1.一种用于无人驾驶车的特种车辆识别方法，其特征在于，包括以下步骤：步骤S1：多通道信息采集，无人驾驶车上的特种车辆识别系统，采用多通道信息采集模块，实时获取道路交通的视音频数据；

步骤S2：车辆检测与特征提取，实时交通场景信息送入车辆检测与特征提取模块；并对检测出可能有紧急执行任务的特种车辆图像和声音，通过深度神经网络处理，提取网络激活信息作为目标车辆的特征；

步骤S3：特种车辆识别处理，通过概率统计学习，分析送入特种车辆识别模块的多模态的车辆特征信息；根据车辆身份的知识图谱和时空上下文，识别出目标车辆的特种车辆身份；

基于上述特种车辆识别结果，还根据目标车辆身份的时空上下文，预判目标车辆的行驶轨迹，为无人驾驶车执行控制指令避让特种车辆提供依据。

2.根据权利要求1所述的一种用于无人驾驶车的特种车辆识别方法，其特征在于，所述步骤S1多通道信息采集包括以下步骤：步骤S11：由无人驾驶车的全景摄像头采集实时交通场景视频信息；

步骤S12：由无人驾驶车的定向拾音器采集实时交通场景音频信息。

3.根据权利要求1所述的一种用于无人驾驶车的特种车辆识别方法，其特征在于，所述步骤S2车辆检测与特征提取包括以下步骤：步骤S21：从实时交通场景的视频关键帧图像中，检出有警灯闪烁的包含应急特种车辆的最小外包矩形区，通过图像的深度神经网络处理，从目标的关键帧图像中提取激活特征；

步骤S22：从实时交通场景的音频频谱图中，检测出包含应急特种车辆警报声的音频帧；并通过音频的深度神经网络处理，在目标的频谱图中提取激活特征。

4.根据权利要求1所述的一种用于无人驾驶车的特种车辆识别方法，其特征在于所述步骤S3特种车辆识别处理包括以下步骤：步骤S31：车辆身份的时空上下文，存储目标车辆的时空相对位置和时空变化信息，为无人驾驶车对特种车辆目标识别和控制决策提供信息；

步骤S32：车辆身份的知识图谱，存储特种车辆的执行紧急任务时音视频属性，以及目标对象的概率信息，为特种车辆的多模态目标识别提供先验知识；

步骤S33：多模态贝叶斯推理，根据检出车辆的图像特征和音频特征，以及车辆身份的知识图谱和时空上下文，采用贝叶斯统计学习方法，识别和推断目标车辆的特种身份。