车牌定位方法及系统的制作方法
【专利摘要】本发明公开了一种车牌定位方法和系统，包括：获取车辆图像；以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当通过所述图像金字塔检测到所述车辆图像包含车牌区域时，则对所述车牌区域进行车牌字符识别处理，确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所对应的车牌区域图像的第一位置信息；从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和前一帧的位置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预定条件则为车牌区域图像的第二位置信息；融合所述第一位置信息和所述第二位置信息，完成车牌定位。
【专利说明】车牌定位方法及系统
【技术领域】
[0001] 本发明涉及图像处理领域，特别是涉及一种车牌定位方法及系统。
【背景技术】
[0002] 近年来，车牌识别设备已经被广泛应用于停车场、城市道路等区域进行车辆号牌 的自动抓拍和识别。
[0003] 现有的车牌识别设备以使用标清模拟摄像机为主，车牌识别设备主要是针对停车 场，小区出入口等，随着技术发展以及车牌识别技术的普及，车牌识别应用范围越来越广 泛，已经发展到城市道路，高速公路以及一些比较宽敞的道路。但是标清模拟摄像机存在着 图像层次感、对比度，分辨率都不足的问题，制约了车牌识别系统的性能。
[0004] 随着科技的发展，高清摄像机和全高清摄像机开始逐渐普及，弥补了标清模拟摄 像机在车牌识别应用中的不足，但是由于全高清摄像机的分辨率高，要在大范围内搜索到 车牌并且对车牌进行分割和识别非常不容易。
[0005] 因此，如何能够完成对标清车牌的定位也能够在更高像素更好分辨率的情况下完 成对车牌的定位，是本领域技术人员需要解决的问题。
【发明内容】
[0006] 本发明的目的是提供一种车牌定位方法，该方法能够完成对标清车牌的定位也能 够在更高像素更好分辨率的情况下完成对车牌的定位；本发明的另一目的是提供一种车牌 定位的系统。
[0007] 为解决上述技术问题，本发明实施例提供如下技术方案：
[0008] 一种车牌定位方法，包括：
[0009] 获取车辆图像；
[0010] 以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当通过所述图 像金字塔检测到所述车辆图像包含车牌区域时，则对所述车牌区域进行车牌字符识别处 理，确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所对应的车 牌区域图像的第一位置信息；
[0011] 从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和前一帧的位 置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预定条件则为 车牌区域图像的第二位置信息；
[0012] 融合所述第一位置信息和所述第二位置信息，完成车牌定位。其中，以所述车辆图 像构建图像金字塔包括：
[0013] 以所述车辆图像构建一个三层的图像金字塔，将输入的需要处理的所述车辆图像 作为金字塔的第三层，将所述车辆图像的宽度和高度的1/2作为金字塔的第二层，将所述 车辆图像的宽度和高度的1/3作为金字塔的第一层。
[0014] 其中，所述通过所述图像金字塔检测到所述车辆图像包含车牌区域包括：
[0015] 在所述图像金字塔的第一层通过车头分类器对所述车辆图像进行车头区域的检 测，得到车头区域；
[0016] 在所述图像金字塔的第二层对所述车头区域进行车牌区域的检测，得到第一车牌 区域；
[0017] 在所述图像金字塔的第三层通过车牌分类器对所述第一车牌区域进行分类，得到 车牌区域。
[0018] 其中，所述提取车牌区域在当前帧和前一帧的位置包括：
[0019] 提取车牌区域在前一帧与当前帧的位置形成跟踪区域，将所述跟踪区域生成跟踪 角点；
[0020] 所述跟踪处理车牌区域在当前帧和前一帧的位置信息包括：
[0021] 前一帧与当前帧做一次卢卡斯卡耐德LK跟踪，从前一帧提取角点PtsO进行跟踪 得到当前巾贞的角点Ptsl ;
[0022] 当前帧与前一帧做一次卢卡斯卡耐德LK反跟踪，根据当前帧角点ptsl跟踪得到 前一帧的角点Pts2 ;
[0023] 在预定的区域将角点ptsO与pts2每一对匹配的像素点进行归一化互相关计算， 并得到归一化互相关的中值；
[0024] 计算角点ptsO与pts2之间每一对对应像素点的欧氏距离，并得到欧氏距离的中 值；
[0025] 找到角点ptsl中大于归一化互相关的中值并且小于欧氏距离中值的像素点为跟 踪有效像素点；
[0026] 所述跟踪处理的结果符合预定条件则为车牌区域图像的第二位置信息包括：
[0027] 跟踪有效像素点的个数大于预定阈值，则角点ptsl为当前帧车牌区域图像的第 二位置信息。
[0028] 其中，所述车头分类器的训练方法包括：
[0029] 获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像的车头 部分的图像作为正样本，以非车头部分的图像作为负样本；
[0030] 使用方向梯度直方图HOG特征对每一幅车辆图像的正样本和负样本进行表征，形 成方向梯度直方图HOG特征向量；
[0031] 利用级联的演算Adaboost算法对得到的方向梯度直方图HOG特征进行训练，获得 级联车头强分类器。
[0032] 其中，所述车牌分类器的训练方法包括：
[0033] 获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像的车牌 图像作为正样本，以非车牌图像作为负样本；
[0034] 使用哈尔小波Haar特征对每一幅车辆图像的正样本和负样本进行表征，形成哈 尔小波Haar特征向量；
[0035] 利用级联的演算Adaboost算法对得到的哈尔小波Haar特征进行训练，获得级联 车牌强分类器。
[0036] 其中，所述提取车牌区域在当前帧和前一帧的位置，跟踪处理车牌区域在当前帧 和前一帧的位置信息，跟踪处理的结果符合预定条件则为车牌区域图像的第二位置信息之 后还包括：
[0037] 将车牌区域图像的位置信息作为对象建立跟踪列表；
[0038] 对提取的车牌区域进行跟踪处理，将跟踪处理结果符合预定条件的车牌区域图像 的位置信息放入跟踪列表；
[0039] 比较所述第一位置信息和所述第二位置信息的重合度；
[0040] 利用比较结果进行跟踪列表的更新。
[0041] 其中，所述利用比较结果进行跟踪列表的更新包括：
[0042] 当重合度超过阈值时，删除检测对象；
[0043] 当所述重合度不超过阈值时，添加新的跟踪对象；
[0044] 当检测对象与跟踪列表中的对象加起来超过了跟踪对象的最大值时，确定所述对 象到摄像机的距离的数值，保留数值小于预定距离所对应的对象，删除数值大于预定距离 所对应的对象。
[0045] 本发明实施例还提供一种车牌定位系统，包括：获取模块，检测模块，跟踪模块，定 位模块，其中，
[0046] 获取模块，用于获取车辆图像；
[0047] 检测模块，用于以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像； 当通过所述图像金字塔检测到所述车辆图像包含车牌区域，则对所述车牌区域进行车牌字 符识别处理，确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所 对应的车牌区域图像的第一位置信息；
[0048] 跟踪模块，用于从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前 帧和前一帧的位置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符 合预定条件则为车牌区域图像的第二位置信息；
[0049] 定位模块，融合所述第一位置信息和所述第二位置信息，完成车牌定位。
[0050] 其中，所述定位模块包括：比较单元，更新单元，定位单元，其中，
[0051] 比较单元，用于比较所述第一位置信息和所述第二位置信息的重合度；
[0052] 更新单元，用于利用比较单元得到的结果，对车牌区域图像的位置信息进行更 新；
[0053] 定位单元，用于根据更新后的车牌区域图像的位置信息完成对车牌的定位。
[0054] 基于上述技术方案，本发明实施例所提供的车牌定位方法和系统，包括：获取车辆 图像；以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当通过所述图像 金字塔检测到所述车辆图像包含车牌区域时，则对所述车牌区域进行车牌字符识别处理， 确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所对应的车牌区 域图像的第一位置信息；从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前 帧和前一帧的位置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符 合预定条件则为车牌区域图像的第二位置信息；融合所述第一位置信息和所述第二位置 信息，完成车牌定位。从而能够完成对标清车牌的定位也能够在更高像素更好分辨率的情 况下完成对车牌的定位。由于利用了跟踪处理，对检测到的车牌进行跟踪仅需要在局部区 域进行即可，可以降低运算量，且通过对车牌的连续跟踪，可以更精确定位到车牌出现的地 方，从而降低车牌的误检率和错检率。由此通过对车辆图像的大范围的检测到车牌区域，在 对车牌区域进行精确的检测和跟踪，这样的从粗到精的检索策略，降低了车牌定位时间，也 大幅度提高了车牌识别效率，实现了快速准确定位到车牌在图像中的位置。
【专利附图】
【附图说明】
[0055] 图1为本发明实施例提供的车牌定位方法的流程图；
[0056] 图2为本发明实施例提供的通过所述图像金字塔检测到所述车辆图像包含车牌 区域的流程图；
[0057] 图3为本发明实施例提供的跟踪处理的流程图；
[0058] 图4为本发明实施例提供的更新跟踪列表的流程图；
[0059] 图5为本发明实施例提供的车头分类器的训练方法的流程图；
[0060] 图6为本发明实施例提供的车牌分类器的训练方法的流程图；
[0061]图7为本发明实施例提供的车牌定位系统的结构框图；
[0062] 图8为本发明实施例提供的获取模块的结构框图；
[0063] 图9为本发明实施例提供的检测模块的结构框图；
[0064] 图10为本发明实施例提供的跟踪模块的结构框图；
[0065] 图11为本发明实施例提供的定位模块的结构框图。
【具体实施方式】
[0066] 本发明的核心是提供一种车牌定位方法，该方法能够完成对标清车牌的定位也能 够在更高像素更好分辨率的情况下完成对车牌的定位；本发明的另一目的是提供一种车牌 定位的系统。
[0067] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0068] 请参考图1，图1为本发明实施例提供的车牌定位方法的流程图，该方法可以包 括：
[0069] 步骤slOO、获取车辆图像；
[0070] 这里获取车辆图像，可以是由普通摄像头采集的，也可以是高清、超高清等其他摄 像头采集；也可以是其他能够进行图像采集的设备进行采集所获得的图像。
[0071] 步骤SllO、以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当 通过所述图像金字塔检测到所述车辆图像包含车牌区域时，则对所述车牌区域进行车牌字 符识别处理，确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所 对应的车牌区域图像的第一位置信息；
[0072] 其中，图像金字塔为：以多分辨率来解释处理图像的一种有效但概念简单的结构 方法就是图像金字塔。图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一 系列以金字塔形状排列的分辨率逐步降低的图像集合。金字塔的底部是待处理图像的高分 辨率表示，而顶部是低分辨率的近似。
[0073] 构建图像金字塔，其中所述图像金字塔包含多层图像，通过一层层的检测筛选，获 取车牌区域，通过对所述车牌区域进行车牌字符识别处理，找到车牌字符识的处理结果符 合预定条件的车牌区域，预定条件是指对车牌区域进行分割得到7个字符的位置，然后分 别对7个字符进行识别，看7个字符识别的结果是否达到标准。例如使用基于支持向量机 的方法，可以分别统计7个字符的单独置信度和7个字符的总置信度；其中置信度为置信度 也称为可靠度，或置信水平、置信系数，即在抽样对总体参数作出估计时，由于样本的随机 性，其结论总是不确定的。因此，采用一种概率的陈述方法，也就是数理统计中的区间估计 法，即估计值与总体参数在一定允许的误差范围以内，其相应的概率有多大，这个相应的概 率称作置信度。在确定车牌区域后获取对应的车牌区域图像的位置信息，例如像素点的坐 标等可以表示位置的信息，即为车牌区域图像的第一位置信息。
[0074] 步骤sl20、从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和 前一帧的位置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预 定条件则为车牌区域图像的第二位置信息；
[0075] 在所述车辆图像对应的连续多帧图像中提取车牌区域在当前帧和前一帧的位置， 这里的提取的车牌区域可以是输入的检测成功的车牌区域，或者是对车辆图像进行初步跟 踪检测处理得到的正在被跟踪区域（即车牌区域）；对车牌区域进行跟踪处理，结果符合预 定条件则为车牌区域图像的位置信息即可以得到车牌在当前帧的位置；
[0076] 步骤sl30、融合所述第一位置信息和所述第二位置信息，完成车牌定位。
[0077] 其中，根据第一位置信息和所述第二位置信息的融合，也即比较第一位置信息和 所述第二位置信息的重合度，当重合度大于阈值时，删除第一位置信息或第二位置信息都 可以完成车牌的定位，但其中选择删除第一位置信息保留第二位置信息是一个优选技术方 案，这是因为在经过试验，可以得到跟踪的到的第二位置信息往往比检测得到的第一位置 信息更加精确，因此这里选择将第一位置信息删除是一个优选方式；当重合度小于阈值时， 保留第一位置信息和第二位置信息。利用比较的方式可以更精确的得到车牌位置。
[0078] 本发明实施例所提供的车牌定位方法包括：获取车辆图像；以所述车辆图像构建 图像金字塔，所述图像金字塔包括多层图像；当通过所述图像金字塔检测到所述车辆图像 包含车牌区域时，则对所述车牌区域进行车牌字符识别处理，确定字符识别处理结果符合 预定条件的车牌区域；获取所确定的车牌区域所对应的车牌区域图像的第一位置信息；从 与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和前一帧的位置，跟踪处 理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预定条件则为车牌区域图 像的第二位置信息；融合所述第一位置信息和所述第二位置信息，完成车牌定位。从而能够 完成对标清车牌的定位也能够在更高像素更好分辨率的情况下完成对车牌的定位。由于利 用了跟踪处理，对检测到的车牌进行跟踪仅需要在局部区域进行即可，可以降低运算量，且 通过对车牌的连续跟踪，可以更精确定位到车牌出现的地方，从而降低车牌的误检率和错 检率。由此通过对车辆图像的大范围的检测到车牌区域，在对车牌区域进行精确的检测和 跟踪，这样的从粗到精的检索策略，降低了车牌定位时间，也大幅度提高了车牌识别效率， 实现了快速准确定位到车牌在图像中的位置。
[0079] 优选的，以车辆图像构建图像金字塔包括：
[0080] 以所述车辆图像构建一个三层的图像金字塔，将输入的需要处理的所述车辆图像 作为金字塔的第三层，将所述车辆图像的宽度和高度的1/2作为金字塔的第二层，将所述 车辆图像的宽度和高度的1/3作为金字塔的第一层。
[0081] 其中，利用上述三层的图像金字塔，将需要进行处理的车辆图像通过这个三层的 图像金字塔的一层层的进行检测处理，能够达到快速在很大范围内找到所关心的对象的这 一目的，这个是一种快速的处理方法。
[0082] 优选的，图2给出了本发明实施例提供的通过所述图像金字塔检测到所述车辆图 像包含车牌区域的流程图，参照图2,通过图像金字塔检测到所述车辆图像包含车牌区域可 以包括：
[0083] 步骤s210、在所述图像金字塔的第一层通过车头分类器对所述车辆图像进行车头 区域的检测，得到车头区域；
[0084] 可选的，对输入到图像金字塔第一层的车辆图像按照从左到右，从上到下的窗口 进行扫描，并将窗口以1为步长逐渐增大，对每个窗口提取特征向量，通过车头分类器对取 得的特征向量进行车头检测，检测符合条件即得到车头区域进入步骤S220 ;但是由于车头 检测也会存在一定的误检和漏检，因此若不符合条件没有检测到车头区域，但此时若连续 没有检测到车头的帧数达到阈值，也对此车辆图像进行进一步的车牌区域的检测。
[0085] 步骤s220、在所述图像金字塔的第二层对所述车头区域进行车牌区域的检测，得 到第一车牌区域；
[0086] 可选的，通过比例换算在图像金字塔的第二层划出包含车头的区域，然后把车头 区域左右和上下各扩大10%，在扩大后的区域进行检测；
[0087] 在步骤S210中由于不符合条件没有检测到车头区域，但此时若连续没有检测到 车头的帧数达到阈值的情况是，此时对此车辆图像进行全图检测。
[0088] 可选的，此时车头区域的检测方法可以包括：
[0089] 使用一维离散微分模版[-1 0 1]在水平方向上对车头区域或全图进行处理，得 到水平梯度图像；
[0090] 计算步骤S210中得到的通过车头分类器的检测，符合条件得到车头区域，或连续 没有检测到车头的帧数达到阈值时的车辆图像；对车头区域图像或车辆图像计算边缘积分 图，使用积分图可以加快边缘密度的计算。为了避免一个区域的所有像素点的边缘值相加 的重复计算，在算法中使用了积分图。积分图上的每个像素点（x，y)包含了从点（〇,〇)到 点（x，y)所有的像素的边缘值，那么积分围
【权利要求】
1. 一种车牌定位方法，其特征在于，该方法包括： 获取车辆图像； 以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当通过所述图像金 字塔检测到所述车辆图像包含车牌区域时，则对所述车牌区域进行车牌字符识别处理，确 定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所对应的车牌区域 图像的第一位置信息； 从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和前一帧的位置， 跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预定条件则为车牌 区域图像的第二位置信息； 融合所述第一位置信息和所述第二位置信息，完成车牌定位。
2. 如权利要求1所述的方法，其特征在于，所述以所述车辆图像构建图像金字塔包括： 以所述车辆图像构建一个三层的图像金字塔，将输入的需要处理的所述车辆图像作为 金字塔的第三层，将所述车辆图像的宽度和高度的1/2作为金字塔的第二层，将所述车辆 图像的宽度和高度的1/3作为金字塔的第一层。
3. 如权利要求2所述的方法，其特征在于，所述通过所述图像金字塔检测到所述车辆 图像包含车牌区域包括： 在所述图像金字塔的第一层通过车头分类器对所述车辆图像进行车头区域的检测，得 到车头区域； 在所述图像金字塔的第二层对所述车头区域进行车牌区域的检测，得到第一车牌区 域； 在所述图像金字塔的第三层通过车牌分类器对所述第一车牌区域进行分类，得到车牌 区域。
4. 如权利要求1所述的方法，其特征在于，所述提取车牌区域在当前帧和前一帧的位 置包括： 提取车牌区域在前一帧与当前帧的位置形成跟踪区域，将所述跟踪区域生成跟踪角 占. 所述跟踪处理车牌区域在当前帧和前一帧的位置信息包括： 前一帧与当前帧做一次卢卡斯卡耐德LK跟踪，从前一帧提取角点ptsO进行跟踪得到 当前巾贞的角点ptsl ; 当前帧与前一帧做一次卢卡斯卡耐德LK反跟踪，根据当前帧角点ptsl跟踪得到前一 中贞的角点pts2 ; 在预定的区域将角点PtsO与pts2每一对匹配的像素点进行归一化互相关计算，并得 到归一化互相关的中值； 计算角点PtsO与pts2之间每一对对应像素点的欧氏距离，并得到欧氏距离的中值； 找到角点ptsl中大于归一化互相关的中值并且小于欧氏距离中值的像素点为跟踪有 效像素点； 所述跟踪处理的结果符合预定条件则为车牌区域图像的第二位置信息包括： 跟踪有效像素点的个数大于预定阈值，则角点ptsl为当前帧车牌区域图像的第二位 置信息。
5. 如权利要求3所述的方法，其特征在于，所述车头分类器的训练方法包括： 获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像的车头部分 的图像作为正样本，以非车头部分的图像作为负样本； 使用方向梯度直方图HOG特征对每一幅车辆图像的正样本和负样本进行表征，形成方 向梯度直方图HOG特征向量； 利用级联的演算Adaboost算法对得到的方向梯度直方图HOG特征进行训练，获得级联 车头分类器。
6. 如权利要求3所述的方法，其特征在于，所述车牌分类器的训练方法包括： 获取摄像机在设定时段和天气条件下所拍摄的多个车辆图像，以车辆图像的车牌图像 作为正样本，以非车牌图像作为负样本； 使用哈尔小波Haar特征对每一幅车辆图像的正样本和负样本进行表征，形成哈尔小 波Haar特征向量； 利用级联的演算Adaboost算法对得到的哈尔小波Haar特征进行训练，获得级联车牌 分类器。
7. 如权利要求1所述的方法，其特征在于，所述提取车牌区域在当前帧和前一帧的位 置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预定条件则为 车牌区域图像的第二位置信息之后还包括： 将车牌区域图像的位置信息作为对象建立跟踪列表； 对提取的车牌区域进行跟踪处理，将跟踪处理结果符合预定条件的车牌区域图像的位 置信息放入跟踪列表； 比较所述第一位置信息和所述第二位置信息的重合度； 利用比较结果进行跟踪列表的更新。
8. 如权利要求7所述的方法，其特征在于，所述利用比较结果进行跟踪列表的更新包 括： 当重合度超过阈值时，删除检测对象； 当所述重合度不超过阈值时，添加新的跟踪对象； 当检测对象与跟踪列表中的对象加起来超过了跟踪对象的最大值时，确定所述对象到 摄像机的距离的数值，保留数值小于预定距离所对应的对象，删除数值大于预定距离所对 应的对象。
9. 一种车牌定位系统，其特征在于，该系统包括：获取模块，检测模块，跟踪模块，定位 模块，其中， 获取模块，用于获取车辆图像； 检测模块，用于以所述车辆图像构建图像金字塔，所述图像金字塔包括多层图像；当通 过所述图像金字塔检测到所述车辆图像包含车牌区域，则对所述车牌区域进行车牌字符识 别处理，确定字符识别处理结果符合预定条件的车牌区域；获取所确定的车牌区域所对应 的车牌区域图像的第一位置信息； 跟踪模块，用于从与所述车辆图像对应的连续多帧图像中，提取车牌区域在当前帧和 前一帧的位置，跟踪处理车牌区域在当前帧和前一帧的位置信息，跟踪处理的结果符合预 定条件则为车牌区域图像的第二位置信息； 定位模块，融合所述第一位置信息和所述第二位置信息，完成车牌定位。
10.如权利要求9所述的系统，其特征在于，所述定位模块包括：比较单元，更新单元， 定位单元，其中， 比较单元，用于比较所述第一位置信息和所述第二位置信息的重合度； 更新单元，用于利用比较单元得到的结果，对车牌区域图像的位置信息进行更新； 定位单元，用于根据更新后的车牌区域图像的位置信息完成对车牌的定位。
【文档编号】G06K9/00GK104239867SQ201410476358
【公开日】2014年12月24日 申请日期:2014年9月17日 优先权日:2014年9月17日
【发明者】唐健, 李昕, 李锐 申请人:深圳市捷顺科技实业股份有限公司