一种车辆识别方法及系统与流程

1.本发明涉及车辆身份识别领域，尤其涉及一种车辆识别方法及系统。


背景技术：

2.现有的车辆识别方法主要是通过识别车牌号，通过识别出的车牌号确认车辆身份，进而实现对车辆的标识认证。
3.但目前通过图像识别方式，对车牌号进行识别的过程中，若车辆号牌上存有脏污，则会影响车牌号识别的准确性，据此得出的车牌号来确认车辆身份，往往会产生较多的误判。


技术实现要素：

4.基于现有技术所存在的问题，本发明的目的是提供一种车辆号牌的识别方法，能解决现有识别车辆身份多通过图像识别方式来识别车牌号来实现，但因车辆号牌有脏污，使得识别结果不准确，易产生较多误判车辆身份的问题。
5.本发明的目的是通过以下技术方案实现的：
6.本发明实施方式提供一种车辆识别方法，包括：
7.步骤1，获取被识别车辆的车辆头部图像，所述车辆头部图像的横向能识别像素不低于800像素，所述车辆头部图像的拍摄角度位于被识别车辆前部水平偏离车辆中轴线的角度不大于30度；
8.步骤2，通过图像识别从所述步骤1获取的车辆头部图像中识别出车辆特征数据，识别出的所述车辆特征数据包括：
9.(21)车辆颜色特征：用预定颜色分组内的颜色像素在所述车辆头部图像像素中所占比例表示，用如下格式表示：
10.rgbn，为rgb取值范围内的像素值组在整体车辆头部图像像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为起始值、终止值；g值范围为绿色素取值范围，格式为起始值、终止值；b值范围为蓝色素取值范围，格式为起始值、终止值；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；
11.(22)车辆品牌标志特征：在所述车辆头部图像中获取车辆品牌标志位置区域的颜色特征与现有典型车型采集样品图的品牌标志位置区域的颜色特征进行比较，选取所有比较结果中最大值对应的车辆品牌标志作为车辆品牌标志特征；
12.所述车辆品牌标志位置区域的颜色特征，用如下格式表示：
13.rgbn，为rgb取值范围内的像素值组在整体车辆品牌标志位置区域图像的像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为起始值、终止值；g值范围为绿色素取值范围，格式为起始值、终止值；b值范围为蓝色素取值范围，格式为起始值、终止值；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终
止值的差值为不超过20的值，能选择1、3、5、10、20；
14.(23)车辆驾驶人员面部特征码：若判断所述车辆头部图像中的驾驶位有人脸时，则识别得出驾驶位的人脸特征码作为车辆驾驶人员面部特征码；
15.(24)车辆号牌能识别部分：从所述车辆头部图像中的车辆号牌部位识别得出车辆号牌文字；
16.步骤3，从车辆特征数据历史数据库中获得所有的历史车辆特征数据；
17.步骤4，历史特征数据评分：根据所述步骤2获得的车辆特征数据与所述步骤3获得的历史车辆特征数据进行对比，得出每一项特征对比的得分，各项得分的评分方式如下：
18.(41)历史车辆颜色特征得分：根据车辆颜色特征匹配度计算车辆颜色特征得分，车辆颜色特征匹配度采用像素值组占比最大的n组像素值组占比进行匹配，当匹配颜色特征的红色素值值、绿色素值值、蓝色素值值发生重叠且占比误差在5％内时即为匹配成功，将匹配成功像素值组占比按由大到小排列，匹配项得分递减，各匹配项得分按照由大到小顺序设置权重，所有像素值组匹配项得分相加，得到历史车辆颜色特征得分；
19.(42)历史车辆品牌标志特征得分：根据车辆品牌标志特征与历史车辆品牌标志特征进行匹配颜色特征，匹配颜色特征方式与历史车辆颜色特征得分中的匹配方式相同；
20.(43)历史车辆驾驶人员面部特征码得分，将获得的车辆驾驶人员面部特征码与历史车辆驾驶人员面部特征码进行对比，若得到能够匹配到该驾驶人员面部特征码的所有车辆，则该车辆的驾驶人员特征码为满分；
21.(44)历史车辆号牌得分，将获得的车辆号牌能识别部分与历史车辆号牌进行匹配，按照同一方向顺序，每匹配成功一个文字或字母得到对应的分数，所有文字或字母匹配后的得分总和为历史车辆号牌得分；
22.步骤5，选定得分最高的结果为车辆识别结果，得分的高低按以下方式判定：
23.将各项特征对比得分乘以对应权重得到该项特征得分，所有项特征得分相加得到总分，选定总分最高的结果为车辆识别结果。
24.本发明实施方式还提供一种车辆识别系统，用于实现本发明所述的方法，包括：
25.拍摄装置、车辆识别服务器、车辆特征数据历史数据库和车辆识别结果输出装置；其中，
26.所述拍摄装置，与所述车辆识别服务器通信连接，能获取被识别车辆的车辆头部图像，并发送至所述车辆识别服务器；
27.所述车辆识别服务器，分别与所述车辆特征数据历史数据库和车辆识别结果输出装置通信连接，能通过图像识别从所述步骤1获取的车辆头部图像中识别出车辆特征数据，以及从所述车辆特征数据历史数据库中获得所有的历史车辆特征数据，并根据所获得的车辆特征数据与历史车辆特征数据进行对比，得出每一项特征对比的得分，选定得分最高的结果为车辆识别结果，将所述车辆识别结果发送至所述车辆识别结果输出装置；
28.所述车辆识别结果输出装置，输出所述车辆识别服务器得出的车辆识别结果。
29.由上述本发明提供的技术方案可以看出，本发明实施例提供的车辆识别方法，其有益效果为：
30.通过从采用的图像中获取至少两种车辆特征数据，不再仅对车辆号牌进行识别来确认车辆身份，相比传统的车辆识别方法，对号牌部分脏污的车辆能够进行有效的进行识
别，提高了车辆识别的准确度。
附图说明
31.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
32.图1为本发明实施例提供的车辆识别方法流程图；
33.图2为本发明实施例提供的车辆识别方法的具体处理流程图；
34.图3为本发明实施例提供的车辆识别系统的构成示意图。
具体实施方式
35.下面结合本发明的具体内容，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
36.如图1、2所示，本发明实施例提供一种车辆识别方法，包括：
37.步骤1，获取被识别车辆的车辆头部图像，所述车辆头部图像的横向能识别像素不低于800像素，所述车辆头部图像的拍摄角度位于被识别车辆前部水平偏离车辆中轴线的角度不大于30度；
38.步骤2，通过图像识别从所述步骤1获取的车辆头部图像中识别出车辆特征数据，识别出的所述车辆特征数据包括：
39.(21)车辆颜色特征：该车辆颜色特征用预定颜色分组内的颜色像素在所述车辆头部图像像素中所占比例表示，用如下格式表示：
40.rgbn，为rgb取值范围内的像素值组在整体车辆头部图像像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为(起始值、终止值)；g值范围为绿色素取值范围，格式为(起始值、终止值)；b值范围为蓝色素取值范围，格式为(起始值、终止值)；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以设定为相同值或不同值；
41.(22)车辆品牌标志特征：在所述车辆头部图像中获取车辆品牌标志位置区域的颜色特征与现有典型车型采集样品图的品牌标志位置区域的颜色特征进行比较，选取所有比较结果中最大值对应的车辆品牌标志作为车辆品牌标志特征；
42.所述车辆品牌标志位置区域的颜色特征，用如下格式表示：
43.rgbn，为rgb取值范围内的像素值组在整体车辆品牌标志位置区域图像的像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为(起始值、终止值)；g值范围为绿色素取值范围，格式为(起始值、终止值)；b值范围为蓝色素取值范围，格式为(起始值、终止值)；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始
值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以设定为相同值或不同值；
44.(23)车辆驾驶人员面部特征码：若判断所述车辆头部图像中的驾驶位有人脸时，则识别得出驾驶位的人脸特征码作为车辆驾驶人员面部特征码；
45.(24)车辆号牌能识别部分：从所述车辆头部图像中的车辆号牌部位识别得出车辆号牌文字；
46.步骤3，从车辆特征数据历史数据库中获得所有的历史车辆特征数据；
47.步骤4，历史特征数据评分：根据所述步骤2获得的车辆特征数据与所述步骤3获得的历史车辆特征数据进行对比，得出每一项特征对比的得分，各项得分的评分方式如下：
48.(41)历史车辆颜色特征得分：根据车辆颜色特征匹配度计算车辆颜色特征得分，车辆颜色特征匹配度采用像素值组占比最大的n组像素值组占比进行匹配，当匹配颜色特征的红色素值值、绿色素值值、蓝色素值值发生重叠且占比误差在5％内时即为匹配成功，将匹配成功像素值组占比按由大到小排列，匹配项得分递减，各匹配项得分按照由大到小顺序设置权重，所有像素值组匹配项得分相加，得到历史车辆颜色特征得分；
49.(42)历史车辆品牌标志特征得分：根据车辆品牌标志特征与历史车辆品牌标志特征进行匹配颜色特征，匹配颜色特征方式与历史车辆颜色特征得分中的匹配方式相同；
50.(43)历史车辆驾驶人员面部特征码得分，将获得的车辆驾驶人员面部特征码与历史车辆驾驶人员面部特征码进行对比，若得到能够匹配到该驾驶人员面部特征码的所有车辆，则该车辆的驾驶人员特征码为满分；
51.(44)历史车辆号牌得分，将获得的车辆号牌能识别部分与历史车辆号牌进行匹配，按照同一方向顺序，每匹配成功一个文字或字母得到对应的分数，所有文字或字母匹配后的得分总和为历史车辆号牌得分；
52.步骤5，选定得分最高的结果为车辆识别结果，得分的高低按以下方式判定：
53.将各项特征对比得分乘以对应权重得到该项特征得分，所有项特征得分相加得到总分，选定总分最高的结果为车辆识别结果。
54.上述方法的步骤5中，各项特征对比得分对应权重的顺序如下：
55.第一权重占比：历史车辆号牌得分；
56.第二权重占比：历史车辆颜色特征得分；
57.第三权重占比：历史品牌标志特征得分；
58.第四权重占比：历史车辆驾驶人员面部特征码得分。
59.第一权重占比大于第二权重占比，第二权重占比大于第三权重占比，第三权重占比大于第四权重占比。优选的，各按下述比例分配各权重占比，只要保证4个权重占比之和为100％即可，第一权重占比为30
‑
50％，第二权重占比为20
‑
30％，第三权重占比为15
‑
20％，第四权重占比为5
‑
15％。也可以根据需要采用其他比例的权重占比，只要能准确识别车辆身份即可。
60.上述方法步骤5后还包括：步骤6，将本次车辆识别结果及车辆特征数据保存到车辆特征数据历史数据库中。
61.上述方法步骤2中，现有典型车型采集样品图的品牌标志位置区域的颜色特征采用以下方式确定：
62.对现有的车辆品牌及典型车型采集样品图，在样品图中标记品牌标志位置区域，通过图像识别得出所述样品图中已标记的品牌标志位置区域的颜色特征，所述颜色特征用以下格式表示：
63.rgbn，为rgb取值范围内的像素值组在整体品牌标志位置区域图像像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为起始值、终止值；g值范围为绿色素取值范围，格式为(起始值，终止值)；b值范围为蓝色素取值范围，格式为起始值、终止值)；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以设定为相同值或不同值。
64.优选的，上述步骤1获取的车辆头部图像为清晰度能被计算机识别的图像，可通过摄像头或者数码相机拍摄，也可通过既有图像取得被识别车辆的头部图像，要求车辆头部图像的横向可识别像素不低于800像素，车辆头部在图像中能够完整显示，图像拍摄角度位于车辆前部水平偏离车辆中轴线的角度不大于30度(可选择0度、偏左15度、偏左20度、偏左25度、偏左30度、偏右15度、偏右20度、偏右25度、偏右30度)，纵向偏移车辆中轴线不大于30度(可选择0度、偏上15度、偏上20度、偏上25度、偏上30度、偏下15度、偏下20度、偏下25度、偏下30度)。
65.如图3所示，本发明实施例还提供一种车辆识别系统，用于实现上述的方法，包括：
66.拍摄装置101、车辆识别服务器102、车辆特征数据历史数据库104和车辆识别结果输出装置103；其中，
67.所述拍摄装置，与所述车辆识别服务器通信连接，能获取被识别车辆的车辆头部图像，并发送至所述车辆识别服务器；
68.所述车辆识别服务器，分别与所述车辆特征数据历史数据库和车辆识别结果输出装置通信连接，能通过图像识别从所述步骤1获取的车辆头部图像中识别出车辆特征数据，以及从所述车辆特征数据历史数据库中获得所有的历史车辆特征数据，并根据所获得的车辆特征数据与历史车辆特征数据进行对比，得出每一项特征对比的得分，选定得分最高的结果为车辆识别结果，将所述车辆识别结果发送至所述车辆识别结果输出装置；
69.所述车辆识别结果输出装置，输出所述车辆识别服务器得出的车辆识别结果。
70.上述系统中，所述车辆识别结果输出装置包括：图形显示装置、声音播放装置中的至少一种。
71.上述系统中，所述拍摄装置采用摄像头、具有摄像头的终端中的至少一种。
72.上述系统还包括：所述车辆识别服务器将识别结果存储至所述车辆特征数据历史数据库。
73.上述系统中，所述车辆识别服务器识别出的所述车辆特征数据包括：
74.(21)车辆颜色特征，用如下格式表示：
75.rgbn，为rgb取值范围内的像素值组在整体车辆头部图像像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为(起始值、终止值)值；g值范围为绿色素取值范围，格式为(起始值、终止值)；b值范围为蓝色素取值范围，格式为(起始值、终止值)；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以
设定为相同值或不同值；
76.(22)车辆品牌标志特征：在所述车辆头部图像中获取车辆品牌标志位置区域的颜色特征与现有典型车型采集样品图的品牌标志位置区域的颜色特征进行比较，选取所有比较结果中最大值对应的车辆品牌标志作为车辆品牌标志特征；
77.所述车辆品牌标志位置区域的颜色特征，用如下格式表示：
78.rgbn，为rgb取值范围内的像素值组在整体车辆品牌标志位置区域图像的像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为(起始值、终止值)；g值范围为绿色素取值范围，格式为(起始值、终止值)；b值范围为蓝色素取值范围，格式为(起始值、终止值)；n表示rgb像素范围内的像素值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以设定为相同值或不同值；
79.(23)车辆驾驶人员面部特征码：若判断所述车辆头部图像中的驾驶位有人脸时，则识别得出驾驶位的人脸特征码作为车辆驾驶人员面部特征码；
80.(24)车辆号牌能识别部分：从所述车辆头部图像中的车辆号牌部位识别得出车辆号牌文字。
81.上述系统中，所述车辆识别服务器根据所获得的车辆特征数据与历史车辆特征数据进行对比，得出每一项特征对比得分的评分方式包括：
82.(41)历史车辆颜色特征得分：根据车辆颜色特征匹配度计算车辆颜色特征得分，车辆颜色特征匹配度采用颜色像素数占比最大的n组像素值组占比进行匹配，当匹配颜色特征的红色值、绿色值、蓝色值发生重叠且占比误差在5％内时即为匹配成功，将匹配成功像素值组比值按由大到小排列，匹配项得分递减，各匹配项得分按照由大到小顺序设置权重，所有颜色值组匹配项得分相加，得到历史车辆颜色特征得分；
83.(42)历史车辆品牌标志特征得分：根据车辆品牌标志特征与历史车辆品牌标志特征进行匹配颜色特征，匹配颜色特征方式与历史车辆颜色特征得分中的匹配方式相同；
84.(43)历史车辆驾驶人员面部特征码得分，将获得的车辆驾驶人员面部特征码与历史车辆驾驶人员面部特征码进行对比，若得到能够匹配到该驾驶人员面部特征码的所有车辆，则该车辆的驾驶人员特征码为满分；
85.(44)历史车辆号牌得分，将获得的车辆号牌能识别部分与历史车辆号牌进行匹配，按照同一方向顺序，每匹配成功一个文字或字母得到对应的分数，所有文字或字母匹配后的得分总和为历史车辆号牌得分。
86.优选的，上述方法中的人脸识别、车牌识别可采用现有技术提供的成熟算法，如虹软arcsoft人脸识别sdk包(参见网址：https://ai.arcsoft.com.cn/)、薪火科技车辆号牌识别sdk(参见网址：https://www.xinhuokj.com/ocr/car)等。
87.相比传统的车辆识别方法，本发明的方法，不只依赖于车牌的识别，而是在识别车牌的同时，包括了识别车辆颜色、标志和驾驶人员等多个特征，对号牌部分脏污的车辆能够进行有效的车辆号牌识别，提高了车辆识别的准确度。
88.下面对本发明实施例具体作进一步地详细描述。
89.实施例一：
90.采用以下步骤进行车辆识别，并识别结果保存到数据库。车辆识别方法的流程具
体如图2所示，该车辆识别方法由以下几个步骤组成：
91.开始，车号识别工作开始；
92.步骤1，获取车辆头部图像。通过摄像头或者数码相机或者既有图像取得被识别车辆的头部图像，要求车辆头部图像的横向可识别像素不低于800像素，车辆头部在图像中能够完整显示，图像拍摄角度位于车辆前部水平偏离车辆中轴线不大于30度(可选择0度、偏左15度、偏左20度、偏左25度、偏左30度、偏右15度、偏右20度、偏右25度、偏右30度)，纵向偏移车辆中轴线不大于30度(可选择0度、偏上15度、偏上20度、偏上25度、偏上30度、偏下15度、偏下20度、偏下25度、偏下30度)；
93.步骤2，通过上述步骤获取的车辆头部图像，使用图像特征识别的方式获取车辆特征数据，主要包括以下特征：
94.(21)识别车辆颜色特征：车辆颜色特征用预定颜色分组内的颜色像素在所述车辆头部图像像素中所占比例表示，采用如下格式：
95.rgbn，为rgb取值范围内的像素值组在整体车辆头部图像像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为(起始值、终止值)；g值范围为绿色素取值范围，格式为(起始值、终止值)；b值范围为蓝色素取值范围，格式为(起始值、终止值)；n表示rgb像素范围值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以设定为相同值或不同值；
96.(22)识别车辆品牌标志：车辆品牌标志分为图形标志和文字标志，以车辆品牌标志区域图形颜色特征的方式进行识别，方法是对既有的车辆品牌及典型车型采集样品图，标记品牌标志位置区域，分析该区域的颜色特征，颜色特征的格式如下：
97.rgbn，为rgb取值范围内的像素值组在整体品牌标志位置区域图像像素中所占比例；所述rgbn值中，r值为红色素取值范围，格式为(起始值、终止值)；g值范围为绿色素取值范围，格式为(起始值、终止值)；b值范围为蓝色素取值范围，格式为(起始值、终止值)；n表示rgb像素范围值组的组数；以上红色、绿色、蓝色各色素取值范围的起始值与终止值的差值为不超过20的值，能选择1、3、5、10、20；红色、绿色、蓝色的起始值与终止值的差值可以设定为相同值或不同值；
98.在车辆头部图像中截取各型车辆的的车辆品牌区域位置的颜色特征与典型车型采集样品图的品牌标志位置区域颜色特征值进行比较，选取所有比较结果中的最大值对应的车辆品牌标志作为车辆品牌标志特征；
99.(23)识别车辆驾驶人员面部特征码，通过图像识别，判断车辆头部图像中有人脸时，识别人脸特征码；
100.(24)识别车辆号牌可识别部分，采用图像文字识别法方法，识别车辆号牌部位的车辆号牌文字；车辆号牌部位的识别方法是对既有的车辆品牌及典型车型采集样品图，标记车辆号牌位置区域，对车辆号牌位置区域进行文字识别；
101.步骤3.获取历史车辆特征数据比对结果集，在车辆特征数据历史数据库中获得所有的历史车辆特征数据；
102.步骤4.历史特征数据评分，根据获得的车辆特征数据与车辆特征历史数据库中的车辆特征数据进行对比，获得每一项得分，评分方法如下：
103.(41)历史车辆颜色特征得分，根据车辆颜色特征匹配度计算车辆颜色特征得分，车辆颜色特征匹配度采用像素值组占比最大的n组像素值组占比进行匹配，当匹配颜色特征的红色值、绿色值、蓝色值发生重叠且占比误差在5％内时即为匹配成功，按照匹配成功像素值组比值由大到小排列，匹配项得分递减，各匹配项得分可按照由大到小顺序设置权重，所有颜色值组匹配项得分相加，得到历史车辆颜色特征得分；
104.(42)历史品牌标志特征得分，根据车辆品牌标志特征数据与历史车辆品牌标志特征进行匹配，匹配方式参照41中的颜色特征匹配方式；
105.(43)历史车辆驾驶人员面部特征码得分，将获得的车辆头部图像中的人脸识别特征码与历史车辆驾驶人员面部特征码进行对比，得到能够匹配到该驾驶人员面部特征码的所有车辆，该车辆的驾驶人员特征码为满分；
106.(44)历史车辆号牌得分，将上述24项中获得的车辆号牌可识别部分的识别结果与历史车辆号牌进行匹配，按照顺序，每匹配成功一个文字或字母均得到相匹配的分数，所有文字或字母匹配得到的得分总和为历史车辆号牌得分；
107.步骤5.选定得分最高的结果为车辆识别结果，得分高低的判断方法如下：
108.将各特征得分乘以权重得到该项特征得分，所有特征项得分相加得到总分，选取总分最高的为车辆识别结果；
109.得分权重顺序如下：
110.第一权重占比：历史车辆号牌得分；
111.第二权重占比：历史车辆颜色特征得分；
112.第三权重占比：历史品牌标志特征得分；
113.第四权重占比：历史车辆驾驶人员面部特征码得分；
114.以上四项权重占比的顺序可以调整；
115.以上四项权重占比的占比值可以自由调整；如可按第一权重占比为30
‑
50％，第二权重占比为20
‑
30％，第三权重占比为15
‑
20％，第四权重占比为5
‑
15％设置各权重占比。
116.步骤6.保存本次车辆识别结果及车辆特征识别结果，将本次车辆识别结果及车辆特征识别结果保存到车辆特征数据历史数据库；
117.结束。
118.实施例二：
119.本实施例提供一种车辆识别系统，用于实现实施例一的车辆识别方法，包括：摄像头、车辆识别服务器、车辆特征数据历史数据库和led显示屏；其中，摄像头采集车辆头部图像，车辆识别服务器配合车辆特征数据历史数据库按实施例一的步骤2至步骤5对摄像头采集的车辆头部图像进行车辆识别得出识别结果，并在led显示屏进行识别结果显示，如显示车辆的车牌号或相关信息。
120.实施三：
121.本实施例提供一种车辆识别系统，用于实现实施例一的车辆识别方法，包括：图像采集器、车辆识别服务器、车辆特征数据历史数据库和车辆识别结果数据库；其中，图像采集器采集车辆前部图像，车辆识别服务器配合车辆特征数据历史数据库按实施例一的步骤2至步骤5对图像采集器采集的车辆前部图像进行车辆识别得出识别结果，并将识别结果保存到车辆识别结果数据库。
122.实施四：
123.本实施例提供一种车辆识别系统，用于实现实施例一的车辆识别方法，包括：摄像头、车辆识别服务器、车辆特征数据历史数据库和扬声器；其中，摄像头采集车辆前部图像，车辆识别服务器配合车辆特征数据历史数据库按实施例一的步骤2至步骤5对摄像头采集的车辆前部图像进行车辆识别得出识别结果，并通过扬声器对车号识别结果进行播报。
124.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。