本發(fā)明涉及圖像識別技術領域，特別涉及一種車牌檢測的方法及裝置。

背景技術：

現(xiàn)代社會，車輛市場保有量非常巨大，并且還會隨著我國經濟的發(fā)展繼續(xù)增加。隨之而來的是與車輛、交通相關的信息也展現(xiàn)快速增加的態(tài)勢。智能交通系統(tǒng)作為當前科技的最高成果，其在車輛信息的管理方面展現(xiàn)了強大的優(yōu)勢。而車牌自動化識別作為智能交通系統(tǒng)中最重要的環(huán)節(jié)，直接影響到了智能交通系統(tǒng)的使用。

當前，基于視頻的車牌識別技術利用率越來越高，但針對路內停車時車輛和攝像機的視角存在差異的情況利用率卻不高，因為這種方式與傳統(tǒng)卡口場景監(jiān)控相比，車輛目標會有各種角度的傾斜。這使得傳統(tǒng)基于水平垂直紋理信息的檢測器模型無法適應多種視角的車輛檢測，尤其對大傾角目標的檢測識別，其檢出率很低。因此，如何適應對多種視角的車輛車牌的檢測，是本領域技術人員需要解決的技術問題。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種車牌檢測的方法及裝置，利用先校正后識別，降低了角度傾斜對識別算法的影響，增大了車牌識別的識別率；充分利用車牌空間位置信息和字符種類信息，增強算法對車牌的檢出率，避免了誤檢。

為解決上述技術問題，本發(fā)明提供一種車牌檢測的方法，包括：

獲取圖像采集設備采集的圖像信息；

利用字符檢測器對所述圖像信息進行檢測，得到所述圖像信息中各字符的區(qū)域位置信息及對應的字符種類信息；

根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對所述圖像信息中的車牌進行擬合得到擬合車牌，并對所述擬合車牌進行車牌定位得到車牌定位結果；

根據(jù)所述車牌定位結果對所述車牌進行角度校正；

對校正后的所述車牌進行字符識別，得到所述車牌信息。

其中，根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對所述圖像信息中的車牌進行擬合得到擬合車牌，包括：

根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息，確定漢字字符及對應的所述漢字字符的區(qū)域位置信息；

判斷距離所述漢字字符的區(qū)域位置信息預定距離的范圍內是否存在字母字符；

若存在，則根據(jù)所述漢字字符的區(qū)域位置信息及對應的字母字符的區(qū)域位置信息確定預定車牌方向；

在所述預定車牌方向上確定其余五個字母字符及對應的字母字符的區(qū)域位置信息，得到符合車牌規(guī)則的七字符的擬合車牌。

其中，對所述擬合車牌進行車牌定位得到車牌定位結果，包括：

根據(jù)所述擬合車牌中各字符的區(qū)域位置信息，求取所述擬合車牌的外接矩形；

將所述外接矩形按照預定比例進行擴大，得到車牌定位結果。

其中，根據(jù)所述車牌定位結果對所述車牌進行角度校正，包括：

確定所述擬合車牌中各字符的區(qū)域位置信息的中心點，根據(jù)各所述中心點擬合成第一直線，并根據(jù)所述第一直線與水平線的夾角確定車牌的水平傾角；

計算所述擬合車牌中各字符的垂直傾角，并將根據(jù)各垂直傾角計算得到的平均值作為車牌的垂直傾角；

根據(jù)所述水平傾角及所述垂直傾角，利用仿射變換對所述車牌進行角度校正。

其中，所述字符檢測器的訓練方法，包括：

獲取各種不同角度的字符數(shù)據(jù)作為標定數(shù)據(jù)；

獲取各種不同視角的多個字符圖像數(shù)據(jù)作為訓練樣本；

根據(jù)所述標定數(shù)據(jù)，利用CNN卷積神經網(wǎng)絡模型對所述訓練樣本進行訓練，得到字符檢測器。

本發(fā)明還提供一種車牌檢測的裝置，包括：

獲取模塊，用于獲取圖像采集設備采集的圖像信息；

字符檢測模塊，用于利用字符檢測器對所述圖像信息進行檢測，得到所述圖像信息中各字符的區(qū)域位置信息及對應的字符種類信息；

車牌擬合定位模塊，用于根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對所述圖像信息中的車牌進行擬合得到擬合車牌，并對所述擬合車牌進行車牌定位得到車牌定位結果；

車牌校正模塊，用于根據(jù)所述車牌定位結果對所述車牌進行角度校正；

車牌字符識別模塊，用于對校正后的所述車牌進行字符識別，得到所述車牌信息。

其中，所述車牌擬合定位模塊包括車牌擬合單元，其中，所述車牌擬合單元包括：

漢字字符子單元，用于根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息，確定漢字字符及對應的所述漢字字符的區(qū)域位置信息；

第一字母字符判斷子單元，用于判斷距離所述漢字字符的區(qū)域位置信息預定距離的范圍內是否存在字母字符；

車牌方向確定子單元，用于若存在，則根據(jù)所述漢字字符的區(qū)域位置信息及對應的字母字符的區(qū)域位置信息確定預定車牌方向；

車牌擬合子單元，用于在所述預定車牌方向上確定其余五個字母字符及對應的字母字符的區(qū)域位置信息，得到符合車牌規(guī)則的七字符的擬合車牌。

其中，所述車牌擬合定位模塊包括車牌定位單元，其中，所述車牌定位單元包括：

外接矩形獲取子單元，用于根據(jù)所述擬合車牌中各字符的區(qū)域位置信息，求取所述擬合車牌的外接矩形；

車牌定位子單元，用于將所述外接矩形按照預定比例進行擴大，得到車牌定位結果。

其中，所述車牌校正模塊，包括：

水平傾角單元，用于確定所述擬合車牌中各字符的區(qū)域位置信息的中心點，根據(jù)各所述中心點擬合成第一直線，并根據(jù)所述第一直線與水平線的夾角確定車牌的水平傾角；

垂直傾角單元，用于計算所述擬合車牌中各字符的垂直傾角，并將根據(jù)各垂直傾角計算得到的平均值作為車牌的垂直傾角；

車牌校正單元，用于根據(jù)所述水平傾角及所述垂直傾角，利用仿射變換對所述車牌進行角度校正。

其中，還包括：訓練模塊，用于對所述字符檢測器進行訓練；具體包括：

標定數(shù)據(jù)單元，用于獲取各種不同角度的字符數(shù)據(jù)作為標定數(shù)據(jù)；

訓練樣本單元，用于獲取各種不同視角的多個字符圖像數(shù)據(jù)作為訓練樣本；

訓練單元，用于根據(jù)所述標定數(shù)據(jù)，利用CNN卷積神經網(wǎng)絡模型對所述訓練樣本進行訓練，得到字符檢測器。

本發(fā)明所提供的車牌檢測的方法，包括：獲取圖像采集設備采集的圖像信息；利用字符檢測器對圖像信息進行檢測，得到圖像信息中各字符的區(qū)域位置信息及對應的字符種類信息；根據(jù)各字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對圖像信息中的車牌進行擬合得到擬合車牌，并對擬合車牌進行車牌定位得到車牌定位結果；根據(jù)車牌定位結果對車牌進行角度校正；對校正后的車牌進行字符識別，得到車牌信息；

該方法采用先校正后識別，降低了角度傾斜對識別算法的影響，增大了車牌識別的識別率；且充分利用了車牌空間位置信息和字符種類信息進行車牌擬合和車牌定位，增強算法對車牌的檢出率，避免了誤檢；適應對多種視角的車輛車牌的檢測；解決在道路上檢測車牌信息時，因為攝像機位置的限制，采集的車牌存在很大的傾斜角度，造成檢測車輛車牌信息失敗的問題；本發(fā)明還公開了車牌檢測的裝置，具有上述效果，在此不再贅述。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實施例所提供的車牌檢測的方法的流程圖；

圖2為本發(fā)明實施例所提供的車牌的垂直傾角的示意圖；

圖3為本發(fā)明實施例所提供的一種具體的傾斜視角車牌檢測的方法的流程示意圖；

圖4為本發(fā)明實施例所提供的車牌檢測的裝置的結構框圖。

具體實施方式

本發(fā)明的核心是提供一種車牌檢測的方法及裝置，利用先校正后識別，降低了角度傾斜對識別算法的影響，增大了車牌識別的識別率；充分利用車牌空間位置信息和字符種類信息，增強算法對車牌的檢出率，避免了誤檢。

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參考圖1，圖1為本發(fā)明實施例所提供的車牌檢測的方法的流程圖；該方法可以包括：

S100、獲取圖像采集設備采集的圖像信息；

其中，該車牌檢測的方法可以用于抓拍的車輛圖像的處理，也可以用于采集的視頻幀圖像的處理；因此這里的圖像信息可以是視頻圖像信息也可以是圖片圖像信息。此處并不對圖像信息及圖像采集設備的具體形式進行限定。

S110、利用字符檢測器對所述圖像信息進行檢測，得到所述圖像信息中各字符的區(qū)域位置信息及對應的字符種類信息；

其中，該步驟主要是為了對圖像信息中的字符進行檢測，得到圖像信息中每一個字符的區(qū)域位置信息及對應的字符種類信息；例如中國的車牌字符可以分為三種，漢字字符，字母字符和數(shù)字字符。在整個圖像信息進行檢測的過程中可以檢測到圖像中所有字符，檢測可以得到字符的區(qū)域位置信息和字符的種類信息。

這里為了進一步提高對各種字符尤其是對大角度字符的檢出率，可以利用每一類傾斜視角的海量的訓練樣本數(shù)據(jù)對字符檢測器進行訓練。但是并不對訓練字符檢測器的具體模型進行限定；優(yōu)選的，字符檢測器的訓練方法，包括：

獲取各種不同角度的字符數(shù)據(jù)作為標定數(shù)據(jù)；

獲取各種不同視角的多個字符圖像數(shù)據(jù)作為訓練樣本；

根據(jù)所述標定數(shù)據(jù)，利用CNN卷積神經網(wǎng)絡模型對所述訓練樣本進行訓練，得到字符檢測器。

其中，字符檢測器根據(jù)深度學習CNN卷積神經網(wǎng)絡模型構建，訓練過程中會利用各種視角不同字符的海量數(shù)據(jù)作為訓練樣本。因為每一類傾斜視角都有海量的訓練樣本數(shù)據(jù)，利用的標定數(shù)據(jù)具有各種不同角度的字符數(shù)據(jù)，所以檢測模型對大角度字符即傾斜字符有很好的檢出率。

利用字符檢測器對圖像信息進行檢測時，若圖像中未能找到字符信息，則進行下一幀分析，直到找到字符信息后傳出字符的個數(shù)和對應位置信息。

S120、根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對所述圖像信息中的車牌進行擬合得到擬合車牌，并對所述擬合車牌進行車牌定位得到車牌定位結果；

其中，這里根據(jù)各字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對圖像信息中的車牌進行擬合和定位時，要具體根據(jù)各個國家具體的車牌規(guī)則來進行擬合；這里的規(guī)則要包含各國的車牌的字符數(shù)量，字符種類以及字符的排列規(guī)則。按照這樣的排列規(guī)則對得到的字符位置信息及種類信息進行選擇直到確定符合所有車牌規(guī)則的一串字符信息即將確定的一串字符信息作為擬合的車牌信息，并可以利用確定的一串字符信息的位置信息進行車牌定位。

具體的過程可以是：

根據(jù)車牌規(guī)則從各所述字符的區(qū)域位置信息及對應的字符種類信息中確定第一特殊字符；

在所確定的距離所述第一特殊字符的預定范圍內確定第二特殊字符；

按照車牌規(guī)則依次在前一次確定的字符的預定范圍內確定下一個字符，直到獲得滿足車牌規(guī)則的擬合車牌；

或者由于車牌字符是按照一個方向進行水平排列的，因此，也可以根據(jù)第一特殊字符和第二特殊字符確定預定車牌方向，在該方向確定的范圍內進行其他字符的位置種類確定，從而得到擬合車牌。

例如在中國客車車牌包含7個字符，且第一個字符為表示省份的漢字，第二個字符為字母字符，其余五個為字母字符或者數(shù)字字符；因此，優(yōu)選的，根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對所述圖像信息中的車牌進行擬合得到擬合車牌，包括：

根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息，確定漢字字符及對應的所述漢字字符的區(qū)域位置信息；

判斷距離所述漢字字符的區(qū)域位置信息預定距離的范圍內是否存在字母字符；

若存在，則根據(jù)所述漢字字符的區(qū)域位置信息及對應的字母字符的區(qū)域位置信息確定預定車牌方向；

在所述預定車牌方向上確定其余五個字母字符及對應的字母字符的區(qū)域位置信息，得到符合車牌規(guī)則的七字符的擬合車牌。

其中，預定距離的具體值可以根據(jù)實際情況中車牌字符之間的距離以及在各種傾斜情況下該距離的實際值進行確定。這里在預定車牌方向上確定其余五個字母字符及對應的字母字符的區(qū)域位置信息時可以是從漢字字符到字母字符的連線方向上。

其中，當漢字字符不止一個時，可以依次進行上述過程，也可以并列進行上述過程。

具體過程可以是：

所以在車牌擬合時，第一步是定位漢字字符，在圖像中所有字符中尋找到漢字字符，如果找不到則直接進行下一幀分析，如果找到漢字字符則在其周圍搜索字母字符，確定這兩個字符以后可以確定車牌的大致方位，在對應的方位去尋找剩余五個字符。對每一個漢字字符執(zhí)行以上操作，重復這個過程N次，完成所有車牌擬合。這樣完成了七個車牌字符的擬合和每個字符的定位。

即從一個漢字位置開始，在其周圍找到鄰近的一個英文字母。根據(jù)漢字和字母的相對位子推測下一個字符的位置，并在字符檢測結果中查找。依次根據(jù)已經確定的字符預測下一個字符的位置。如果能連續(xù)找到5個字母或數(shù)字，則成功擬合出一個車牌。

接下來需要對所述擬合車牌進行車牌定位得到車牌定位結果，根據(jù)擬合車牌的每個字符的區(qū)域位置信息可以確定該車牌所占的位置的區(qū)域位置信息，為了保證車牌位置信息的完整也可以將該所占的位置的區(qū)域位置信息進行一定程度的擴大作為車牌定位結果。優(yōu)選的，對所述擬合車牌進行車牌定位得到車牌定位結果，包括：

根據(jù)所述擬合車牌中各字符的區(qū)域位置信息，求取所述擬合車牌的外接矩形；

將所述外接矩形按照預定比例進行擴大，得到車牌定位結果。

其中，得到符合車牌規(guī)則的字符后，根據(jù)擬合車牌中各字符的區(qū)域位置信息求取外接矩形并向四周按比例擴展，得到車牌定位結果。

這里預定比例根據(jù)用戶實際需要進行確定，這里并不對具體的比例數(shù)值進行限定。

S130、根據(jù)所述車牌定位結果對所述車牌進行角度校正；

其中，經過上述過程得到的擬合車牌是具有一定傾角的車牌，為了提高對傾斜車牌的檢出率和檢出效果，這里要對擬合車牌進行角度校正，形成一個水平的擬合車牌。即根據(jù)車牌定位結果可以確定車牌與水平線和/或豎直線的傾角，然后根據(jù)這些傾角對車牌角度進行校正。優(yōu)選的，根據(jù)所述車牌定位結果對所述車牌進行角度校正，包括：

確定所述擬合車牌中各字符的區(qū)域位置信息的中心點，根據(jù)各所述中心點擬合成第一直線，并根據(jù)所述第一直線與水平線的夾角確定車牌的水平傾角；

計算所述擬合車牌中各字符的垂直傾角，并將根據(jù)各垂直傾角計算得到的平均值作為車牌的垂直傾角；

根據(jù)所述水平傾角及所述垂直傾角，利用仿射變換對所述車牌進行角度校正。

其中，車牌的水平傾角可以通過車牌字符的中心點擬合出一條直線來得到，車牌的垂直傾角通過計算單個車牌字符的垂直傾角，可以得到7個角度，然后對這些角度求平均值就可以得到整個車牌的垂直傾角，如圖2所示；根據(jù)水平角度和垂直角度可以利用仿射變換對車牌進行校正。

S140、對校正后的所述車牌進行字符識別，得到所述車牌信息。

其中，這里的字符識別可以根據(jù)OCR模型對車牌字符進行識別，得到車牌識別結果即車牌信息。

下面請參考圖3，提供一種具體的傾斜視角車牌識別判斷的方法；首先要對字符監(jiān)測器進行初始化，初始化完成后對獲取的視頻幀進行字符檢測及分類，根據(jù)監(jiān)測結果獲取漢字字符個數(shù)和位置信息，得到N各漢字字符；此時過沒有獲取到漢字字符則要進行下一幀視頻幀圖像的處理；獲取一個漢字字符位置，對該漢字字符周圍搜索字母字符，由該漢字字符及字母字符確定車牌空間方向，根據(jù)車牌空間信息在以上結果基礎上搜索其余五個車牌字符，若未找到其余五個字符則未擬合到車牌，并利用第二個至第N個漢字字符位置重復上述過程直到到其余五個車牌字符；若找到其余五個車牌字符，則定位到車牌區(qū)域和車牌中每個字符區(qū)域，并根據(jù)字符區(qū)域位置擬合車牌傾斜角度，進行仿射變換，并對變換后的圖像進行車牌字符識別，輸出識別結果，完成傾斜視角車牌檢測。

基于上述技術方案，本發(fā)明實施例提供的車牌檢測的方法，該方法采用先校正后識別，降低了角度傾斜對識別算法的影響，增大了車牌識別的識別率；且充分利用了車牌空間位置信息和字符種類信息進行車牌擬合和車牌定位，增強算法對車牌的檢出率，避免了誤檢；適應對多種視角的車輛車牌的檢測；解決在道路上檢測車牌信息時，因為攝像機位置的限制，采集的車牌存在很大的傾斜角度，造成檢測車輛車牌信息失敗的問題。

針對車牌存在很大的傾斜角度，造成識別車牌信息失敗的問題，(如路邊檢測車牌時)該方法具有以下優(yōu)點：第一采用視頻分析方式實現(xiàn)大傾角車牌識別，節(jié)約了硬件開支，降低了勞動力成本。第二采用先矯正后識別，降低了角度傾斜對識別算法的影響，增大了車牌識別的識別率。第三充分利用了車牌空間位置信息和字符種類信息，增強算法對車牌的檢出率，避免了誤檢。第四字符檢測利用深度學習CNN卷積神經網(wǎng)絡模型，在訓練階段利用了各種視角下不同字符數(shù)據(jù)，增大了算法對大傾斜字符的檢出率。

本發(fā)明實施例提供了車牌檢測的方法，利用先校正后識別，降低了角度傾斜對識別算法的影響，增大了車牌識別的識別率。

下面對本發(fā)明實施例提供的車牌檢測的裝置進行介紹，下文描述的車牌檢測的裝置與上文描述的車牌檢測的方法可相互對應參照。

請參考圖4，圖4為本發(fā)明實施例所提供的車牌檢測的裝置的結構框圖。該裝置可以包括：

獲取模塊100，用于獲取圖像采集設備采集的圖像信息；

字符檢測模塊200，用于利用字符檢測器對所述圖像信息進行檢測，得到所述圖像信息中各字符的區(qū)域位置信息及對應的字符種類信息；

車牌擬合定位模塊300，用于根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息和車牌規(guī)則對所述圖像信息中的車牌進行擬合得到擬合車牌，并對所述擬合車牌進行車牌定位得到車牌定位結果；

車牌校正模塊400，用于根據(jù)所述車牌定位結果對所述車牌進行角度校正；

車牌字符識別模塊500，用于對校正后的所述車牌進行字符識別，得到所述車牌信息。

可選的，所述車牌擬合定位模塊300包括車牌擬合單元，其中，所述車牌擬合單元包括：

漢字字符子單元，用于根據(jù)各所述字符的區(qū)域位置信息及對應的字符種類信息，確定漢字字符及對應的所述漢字字符的區(qū)域位置信息；

第一字母字符判斷子單元，用于判斷距離所述漢字字符的區(qū)域位置信息預定距離的范圍內是否存在字母字符；

車牌方向確定子單元，用于若存在，則根據(jù)所述漢字字符的區(qū)域位置信息及對應的字母字符的區(qū)域位置信息確定預定車牌方向；

車牌擬合子單元，用于在所述預定車牌方向上確定其余五個字母字符及對應的字母字符的區(qū)域位置信息，得到符合車牌規(guī)則的七字符的擬合車牌。

可選的，所述車牌擬合定位模塊300包括車牌定位單元，其中，所述車牌定位單元包括：

外接矩形獲取子單元，用于根據(jù)所述擬合車牌中各字符的區(qū)域位置信息，求取所述擬合車牌的外接矩形；

車牌定位子單元，用于將所述外接矩形按照預定比例進行擴大，得到車牌定位結果。

可選的，所述車牌校正模塊400，包括：

水平傾角單元，用于確定所述擬合車牌中各字符的區(qū)域位置信息的中心點，根據(jù)各所述中心點擬合成第一直線，并根據(jù)所述第一直線與水平線的夾角確定車牌的水平傾角；

垂直傾角單元，用于計算所述擬合車牌中各字符的垂直傾角，并將根據(jù)各垂直傾角計算得到的平均值作為車牌的垂直傾角；

車牌校正單元，用于根據(jù)所述水平傾角及所述垂直傾角，利用仿射變換對所述車牌進行角度校正。

基于上述任一實施例，該裝置還包括：訓練模塊，用于對所述字符檢測器進行訓練；具體包括：

標定數(shù)據(jù)單元，用于獲取各種不同角度的字符數(shù)據(jù)作為標定數(shù)據(jù)；

訓練樣本單元，用于獲取各種不同視角的多個字符圖像數(shù)據(jù)作為訓練樣本；

訓練單元，用于根據(jù)所述標定數(shù)據(jù)，利用CNN卷積神經網(wǎng)絡模型對所述訓練樣本進行訓練，得到字符檢測器。

其中，基于上述各個實施例，該裝置可以集成于智能分析一體球機中，或者嵌入智能分析設備中，嵌入式智能分析設備可以通過交換機與普通球機連接形成車牌檢測系統(tǒng)。

說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關之處參見方法部分說明即可。

專業(yè)人員還可以進一步意識到，結合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術方案的特定應用和設計約束條件。專業(yè)技術人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應認為超出本發(fā)明的范圍。

結合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結合來實施。軟件模塊可以置于隨機存儲器(RAM)、內存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或技術領域內所公知的任意其它形式的存儲介質中。

以上對本發(fā)明所提供的車牌檢測的方法及裝置進行了詳細介紹。本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權利要求的保護范圍內。