1.一种基于统计的车牌识别方法，包括如下步骤：

步骤1：进行车辆跟踪，获取该车辆的多张视频图像，并得到所获取图像集所对应的重复帧数集N＝{(pi,ni)|i∈{0,1,…,A-1}}，其中，pi表示该车辆的第i张图像，ni表示该车辆第i张图像出现的次数，A表示最终获取的视频图像张数；

步骤2：对步骤1中获取的图像集进行车牌定位和车牌识别操作，得到一组车牌识别结果集R＝{ri|i＝0,1,…,A-1}，其中，ri＝(ri0,ri1,…ri6)表示第i张视频图像的车牌识别结果，ri0,ri1,…ri6表示识别结果ri中的7个字符；

步骤3：通过统计分析，确定车牌每个字符的识别结果，保存至识别结果集C＝{c0,c1,…,c6}中，具体为：步骤3.1：首先确定车牌后六个字符的识别结果{c1,c2,…,c6}，具体为：步骤3.1.1：将集合R中所有车牌的字符，根据字符在车牌中的位置进行分组，得到7个k k单字符集合G0,G1,…,G6，其中Gk＝{ri|i∈{0,1,…,A-1}},k＝0,1,…,6，ri 表示集合R中第i个识别结果的第k个字符；

步骤3.1.2：对每个单字符集合Gk,k＝1,2…,6，根据步骤(a)、(b)分别进行统计分析，得到车牌后六个字符的识别结果{c1,c2,…,c6}：(a) 将单字符集合Gk中相同的字符进行归类，得到mk个类别的集合

其中 表示第j个类别对应的字符， 表示对应于字符 的总

样本数，根据式(1)计算

(b)找到 中值最大的元素，设为 则其对应的识别结果 即为字符

ck的识别结果，即

步骤3.2：确定第一个汉字字符的识别结果c0，具体为：

步骤3.2.1：如公式(2)所示，将集合R中每个车牌识别结果ri,i＝0,1,…,A-1的后六位ri1ri2ri3ri4ri5ri6与已确定的车牌后六位识别结果c1c2c3c4c5c6进行字符匹配，根据字符匹配率对集合R进行聚类，可以得到满足式(2)的7个子集Pk ,k＝0 ,1 ,… ,6；

为集合Pk,k＝0,1,…,6所对应的样本数集，其中， 表示

集合Pk中第s个元素的样本数，ok表示集合Pk中元素的个数；

其中，PP(ri1ri2ri3ri4ri5ri6,c1c2c3c4c5c6)表示集合R中第i个车牌识别结果ri的后六位与c1c2c3c4c5c6的字符匹配数；

步骤3.2.2：将每个集合Pk,k＝0,1,…,6根据相同汉字识别结果进行归类，可以得到dk个类别的归类集合 表示集合Pk中第i’类对应的汉字， 表示集合Pk中第i’类汉字 的对应的样本数，根据式(3)计算

步骤3.2.3：确定集合R对应的汉字类别集合H＝{hg'|g'＝0,1,…,Nh-1}，其中hg'表示第g’类对应的汉字，Nh表示集合R中汉字的类别数；根据公式(4)，确定汉字类别集合H所对应的样本数集Q：其中，wk表示权重系数，{w0,w1,w2,w3,w4,w5,w6}＝{0.01,0.02,0.02,0.14,0.3,0.5}；

步骤3.2.4：找到集合Q中最大的元素,设为qt，则其对应的识别结果ht即为汉字识别结果，即c0＝ht。

2.如权利要求1所述的基于统计的车牌识别方法，其特征在于：所述步骤1中具体图像获取步骤为：当车辆完全进入给定监控区域后，置i＝0，A＝1,保留第一帧视频图像为pi，置ni＝1，将(pi,ni)加入集合N中；对于之后的每帧图像，需要先分析图像中该车辆与前一帧相比是否发生了位移，如果发生位移，则i＝i+1并保留当前帧图像为pi，置ni＝1，A＝A+1，并将(pi,ni)加入集合N中，否则，将集合中(pi,ni)的ni更新为ni＝ni+1，pi保持不变；当满足以下两个条件之一时，完成图像获取：(1) (2)车辆完全消失在给定监控区域之外；其中，L是事先设定的最大分析帧数；

通过车辆跟踪，确定的图像重复帧数集N＝{(pi,ni)|i∈{0,1,…,A-1}}，其中，pi表示该车辆的第i张图像，ni表示该车辆第i张图像出现的次数，A表示最终获取的视频图像张数。