1.一种分割车辆图像的方法，包括步骤：对车辆进行X射线透射扫描，得到透射图像；利用经过训练的卷积网络对透射图像的各个像素加类别标签，包括：将所述透射图像通过训练好的改进后的全卷积网络，得到每个像素的类别概率分布，再结合所述透射图像本身的信息，用一个条件随机场来优化所述透射图像中每个像素的类别概率分布，最后得到分辨率满足条件的预测标签图；其中，所述卷积网络包括所述改进后的全卷积网络，所述改进后的全卷积网络包括最后两个池化层的步长由2变成1，然后通过对卷积核加洞的方式使得输出层的感受野不变；以及根据各个像素的类别标签确定车辆的各个部分的图像；其中通过下面的步骤对卷积网络进行训练：取得多个车辆的X射线透射图像，作为样本图像；按照车辆的各个部分对所述样本图像进行像素级标注；利用标注后的样本图像对卷积网络进行训练。
2.如权利要求1所述的方法，其中所述车辆的各个部分包括：轮子、车头、底盘、车厢。
3.如权利要求1所述的方法，其中，还包括对所述样本图像进行如下操作的至少之一：镜像、除空气部分、尺度变换、切割成子图像。
4.如权利要求3所述的方法，其中切割成子图像的操作包括：切割所述样本图像的左上角、右上角、左下角、右下角以及中间部分中的至少之一。
5.如权利要求3所述的方法，其中切割成子图像的操作包括：对所述样本图像进行随机切割。
6.如权利要求1所述的方法，其中所述卷积网络包括以下至少之一：全卷积网络、Dilation全卷积网络、Deeplab网络、ConvPP网络。
7.一种检查设备，包括：X射线扫描系统，对被检查车辆进行X射线透射扫描，得到透射图像；存储器，存储所述透射图像；处理器，配置为对所述透射图像进行以下操作：利用经过训练的卷积网络对透射图像的各个像素加类别标签，包括：将所述透射图像通过训练好的改进后的全卷积网络，得到每个像素的类别概率分布，再结合所述透射图像本身的信息，用一个条件随机场来优化所述透射图像中每个像素的类别概率分布，最后得到分辨率满足条件的预测标签图；其中，所述卷积网络包括所述改进后的全卷积网络，所述改进后的全卷积网络包括最后两个池化层的步长由2变成1，然后通过对卷积核加洞的方式使得输出层的感受野不变；根据各个像素的类别标签确定车辆的各个部分的图像；其中所述处理器配置为通过下面的步骤对卷积网络进行训练：取得多个车辆的X射线透射图像，作为样本图像；按照车辆的各个部分对所述样本图像进行像素级标注；利用标注后的样本图像对卷积网络进行训练。
8.如权利要求7所述的检查设备，其中所述车辆的各个部分包括：轮子、车头、底盘、车厢。
9.如权利要求7所述的检查设备，其中，所述处理器配置为还包括对所述样本图像进行如下操作的至少之一：镜像、除空气部分、尺度变换、切割成子图像。
