1.一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：包括以下步驟：
(1)設(shè)定縮放比例，將輸入的待測(cè)圖像用縮放算法生成金字塔圖像集合；
(2)計(jì)算各彩色通道所有矩形塊像素值之和加權(quán)后的和的差值，確定對(duì)比色矩形特征，生成建立包含不同尺寸車牌的級(jí)聯(lián)分類器結(jié)構(gòu)的分類器，利用多特征級(jí)聯(lián)結(jié)構(gòu)，在金字塔圖像集合中以預(yù)定大小步進(jìn)地判定該檢測(cè)區(qū)域內(nèi)是否存在車牌；
(3)基于HOG特征和SVM分類器的檢測(cè)方法判斷是否存在車牌；
(4)標(biāo)定車牌的位置，按所在的金字塔圖像及縮小比例，換算到與原始圖像中，確定所檢車牌的位置及大小。
2.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(1)中，輸入圖像按縮放比例s，將待測(cè)圖像等比例縮放為原圖像尺寸的s,s2,...,sn倍，生成層數(shù)為n+1的金字塔圖像集合。
3.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(2)中，在對(duì)比色矩形特征級(jí)聯(lián)檢測(cè)器的離線訓(xùn)練過(guò)程中，計(jì)算各彩色通道所有矩形塊像素值之和加權(quán)后的和的差值，確定對(duì)比色矩形特征，并生成對(duì)應(yīng)的弱分類器，然后將多個(gè)弱分類器構(gòu)建能夠檢測(cè)車牌和排除背景區(qū)域的強(qiáng)分類器；在線檢測(cè)過(guò)程中，用對(duì)比色矩形特征級(jí)聯(lián)檢測(cè)器，在金字塔圖像集合中以預(yù)定大小步進(jìn)地判定該檢測(cè)區(qū)域內(nèi)是否存在車牌。
4.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(2)中，基于車牌具有顯著的藍(lán)色和白色等對(duì)比色的特征，使用對(duì)比色設(shè)計(jì)矩形特征提取車牌的顏色特征。
5.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(2)中，分別N個(gè)彩色通道分別計(jì)算積分圖，利用積分圖計(jì)算每個(gè)通道的矩形塊像素值之和，進(jìn)而計(jì)算各彩色通道的所有矩形塊像素值之和加權(quán)后的和的差值，以得到對(duì)比色矩形特征。
6.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(2)中，彩色通道的一個(gè)矩形塊像素值之和γ的計(jì)算方法為通道積分圖在矩形塊左上與右下處的值之和與通道積分圖在矩形右上、左下處的坐標(biāo)值之和的差值。
7.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(2)中，通過(guò)對(duì)比色矩形特征生成供AdaBoost算法學(xué)習(xí)和訓(xùn)練使用的弱分類器，利用AdaBoost算法將不同的弱分類器加權(quán)相加得到一個(gè)具有強(qiáng)分類功能的強(qiáng)分類器。
8.如權(quán)利要求1所述的一種基于對(duì)比色矩形特征的小尺寸車牌檢測(cè)方法，其特征是：所述步驟(3)中，通過(guò)計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來(lái)構(gòu)成特征，利用具有一定重疊的HOG特征提取其梯度特征，并使用線性或非線性核函數(shù)SVM分類器。