1.一种从图片中识别车牌的方法，其特征在于：依次包括以下步骤：
(1)采用车牌定位来确定包含车牌的矩形图片，即通过结合颜色定位和Sobel定位产生候选的车牌位置图片，然后采用SVM分类模型确定候选车牌图片中是否包含字符，确定真正车牌图片；
(2)采用字符分割将车牌中车牌号的字符分别提取，即通过对步骤(1)所得的车牌图块进行字符分割，分别识别每一个字符便可获取该车牌的车牌号码；
(3)基于神经网络模型对车牌号中的字符进行识别。
2.根据权利要求1所述的从图片中识别车牌的方法，其特征在于，所述步骤(1)中的颜色定位的具体方法为：
将图像的颜色空间由RGB转换为HSV，对图像使用直方图均衡进行预处理；遍历图片中的像素，对H值在200-280之间，S和V均大于阈值的像素标记为白点像素，对其余像素标记为黑点像素，产生二值化图像；对二值图像使用闭操作和取轮廓方法获取车牌的外接矩形，最终产生多个候选的车牌图片。
3.根据权利要求1所述的从图片中识别车牌的方法，其特征在于：所述步骤(1)中的Sobel定位的具体过程依次包括：高斯模糊处理、灰度化、Sobel算子、二值化处理、闭操作、取轮廓、判断车牌大小、角度判断、旋转以及尺寸标准化；其中，判断车牌大小根据中国车牌宽高比为3.14，来判断可能的车牌范围，尺寸标准化将定位出的车牌范围车牌尺寸调整为宽136mm，高36mm的矩形，最终产生多个候选的车牌图片。
4.根据权利要求1所述的从图片中识别车牌的方法，其特征在于：所述步骤(1)中利用SVM模型对定位出的图块进行分类的具体方法是针对通过颜色定位和Sobel定位后产生候选的车牌位置图片，采用OpenCV中内置的SVM模型实现EASYPR实现最终车牌图片的选择。
5.根据权利要求1所述的从图片中识别车牌的方法，其特征在于：所述步骤(2)具体依次包括以下步骤：二值化、取轮廓；
二值化时，由于蓝色车牌与黄色车牌中字体颜色不同，需要采用不同的二值化参数，蓝色车牌采用OpenCv中的CV_THRESH_BINARY参数，而黄色车牌采用的是CV_THRESH_BINARY_INV参数；
取轮廓操作时，针对第一个汉字，直接取车牌图片1/7和2/7位置处的矩形框，避免汉字被拆分的问题。
6.根据权利要求1所述的从图片中识别车牌的方法，其特征在于，所述步骤(3)中采用OpenCv中提供的神经网络类CvANN_MLP进行字符识别，具体方法为：
(31)实例化CvANN_MLP，使用CvANN_MLP构造神经网络。
(32)加载ANN.XML，ANN.XML是已训练好的字符识别权值矩阵。
(33)进行字符识别，将每个字符图块预处理之后输入到神经网络中便可获取一个最接近的字符。