1.一种基于再识别策略的车牌识别方法，其特征在于，包括如下步骤：步骤1：首先准备车牌字符检测数据集，在每一张车牌上标注每一车牌字符的位置矩形框R与类别标签A，A∈B，B为字符索引表；然后基于准备的数据集训练用于车牌字符检测的深度卷积神经网络模型M及其轻量版本V，其中神经网络V的深度小于神经网络M；

步骤2：将待识别的图像I输入到车牌字符检测网络M中，输出候选车牌字符集合H＝{hi|i＝1,2,3…,nH}，其中，nH表示集合H的元素个数，hi表示集合H的第i个候选车牌字符，hi是由(b,t,r)构成的三元组，b表示候选字符的类别标签，b∈B，t表示候选字符的置信度，t∈[0,1]，r是由(x,y,w,h)构成的四元组，r表示候选字符的外接矩形框，x、y、w和h分别表示矩形框的左上角横坐标、左上角纵坐标、宽度和高度；

步骤3：对步骤2得到的候选车牌字符集合H，首先，将集合H中所有元素以外接矩形框r*

的形心为中心点，将外接矩形框扩大为原尺寸的三倍大小，所有外扩字符构成新集合H ；然*

后，将集合H中所有相交的矩形框逐一进行合并，得到集合U＝{ui|i＝1,2,3…,nU}，其中，nU表示集合U的元素个数；接着将集合U中所有矩形框以形心为中心点，保持高度不变，宽度* *

扩展为原来的三倍，所有外扩矩形框构成新集合U ；最后，将集合U中所有相交的矩形框逐一进行合并，得到车牌候选区集合Q＝{qi|i＝1,2,3…,nQ}，其中，nQ表示集合Q的元素个数；

步骤4：根据步骤2得到的集合H和步骤3得到的集合Q，取i＝1,2,3…,nQ，取j＝1,2,3…,nH，对 若 且hj∩qi≠Φ，则将hj加入新的集合Li，其中qi表示集合Q的第i个元素，hj表示集合H中的第j个元素；在完成对集合Q的遍历后，将所有新构造的集合Li加入新的集合，得到集合L＝{Li|i＝1,2,3…,nL}，其中nL表示集合L的元素个数，nL＝nQ；

步骤5：对步骤4得到的集合L，对 若Li满足公式(1)，则将集合Li加入集合F，否则，先从图像I上截取对应车牌子图，再将子图经倾斜矫正后输入到轻量级车牌字符检测网络V，得到候选车牌字符集合G＝{gi|i＝1,2,3…,nG}，若集合G满足公式(2)则将集合G加入集合F，否则不加入；

其中，NLi表示集合Li的字符个数，Nmin表示最小数量阈值，tj表示集合Li中第j个字符的置信度，Tmin表示最小置信度阈值；

其中，NG表示集合G的字符个数，bj表示集合G中第j个字符的置信度，Bmin表示最小置信度阈值；

步骤6：对步骤5得到的集合F，逐一遍历集合元素，对每一元素，先将所包含的候选字符组合成车牌字符串s，再将s作为车牌识别结果加入集合S；

步骤7：返回由步骤6得到车牌识别结果S。