1.一种基于支持向量机的号码牌识别方法，其特征在于：所述号码牌识别方法包括如下步骤：

1)获取号码牌图像I1；

2)对图像进行颜色预处理，具体步骤如下：

2.1)将图像I1进行色彩空间转换，得到HSV颜色空间的图像I2；

2.2)将图像I2进行直方图均衡化，得到图像I3；

2.3)将图像I3根据明度阈值进行处理，得到灰度图像I4；

3)对图像I4进行Canny算子边缘检测，得到边缘图像I5；

4)对边缘图像I5进行数字区域矩形框定，具体步骤如下：

4.1)通过对边缘图像I5进行轮廓提取，得到轮廓信息Ki；

4.2)对获取的轮廓信息Ki进行矩形规格化，剔除不符合规范的矩形后得到轮廓信息

4.3)对各个符合规范的轮廓 结合原始图像I1，利用训练好的数字判别器进行检测，判断内容是否为数字；若不属于数字，则剔除这个轮廓；最终得到包含数字的轮廓集合

5)对各个包含数字的轮廓集合 结合原始图像I1，利用训练好的数字分类器进行识别，获得具体数字；

6)将步骤5)中得到的数字进行漏检测与定位，剔除误判数字，并将遗漏的数字矩形重复进行步骤5)，漏检测与定位过程如下：根据每个数字的位置关系，将距离小于设定阈值的数字归为一组，判断组内数字个数，若小于两个则视为误判，将其剔除；对于其余的数字组，通过最小二乘法将各数字坐标拟合，得到号码牌数字所在直线，并根据现有数字坐标计算得到预测的遗漏数字矩形区域，重新进行检测；

7)归纳得到的数字，最终拼凑出号码牌序号并输出。

2.如权利要求1所述的一种基于支持向量机的号码牌识别方法，其特征在于：所述步骤

3)中，Canny算子边缘检测中，利用高斯滤波器平滑图像，高斯滤波器中用到的卷积滤波方程为：其中，σ为高斯分布参数，x，y为图像中某一像素距离中心的距离；

平滑后的图像通过Sobel算子获得单位像素点的梯度幅值与梯度方向，其中二范数由横纵模板的无穷大范数代替；其中，横纵梯度模板的近似值与梯度方向公式如下所示：其中，G为梯度度量值，θ为梯度方向，Gx为检测水平边沿的横向模板，Gy为检测垂直边沿的纵向模板；

相邻像素间的梯度幅值通过插值得到，并通过与高低阈值比较，得到细化为1像素宽度的图像边缘。

3.如权利要求1所述的一种基于支持向量机的号码牌识别方法，其特征在于：所述步骤

4.3)中，所述数字判别器使用HOG特征提取，并对提取出的特征利用SVM支持向量机进行判别，其中，每个待判断的图片区块都被缩放归一到90×45的大小，HOG描述子采样同等的窗口大小，以45×15作为块大小，并以15×5作为胞元大小，经过HOG处理后的特征数据作为一维向量输入SVM，SVM采用C_SVC模型以及线性核函数。

4.如权利要求1所述的一种基于支持向量机的号码牌识别方法，其特征在于：所述步骤

5)中，所述数字分类器使用HOG特征提取，并对提取出的特征利用SVM支持向量机进行判别，其中，每个待判断的图片区块都被缩放归一到90×45的大小，HOG描述子采样同等的窗口大小，以45×15作为块大小，并以15×5作为胞元大小，经过HOG处理后的特征数据作为一维向量输入SVM，SVM采用C_SVC模型以及线性核函数。