一种车辆检测方法、终端及计算机可读存储介质与流程

1.本发明涉及图像识别技术领域，特别是涉及一种车辆检测方法、终端及计算机可读存储介质。


背景技术：

2.车牌定位技术是车牌识别的前提，目前常用的车牌定位技术方案是通过深度学习的方法，一般分为两步，先通过车辆检测网络检测车辆位置，然后把车辆检测位置结果输入到车牌检测网络，进行车牌位置定位。当该方法在某些特殊场景下，例如夜晚场景，车辆轮廓不清，车辆无法被正确检出进而影响到车牌的检测。


技术实现要素：

3.本发明主要解决的技术问题是提供一种车辆检测方法、终端及计算机可读存储介质，解决现有技术中夜间场景下车辆轮廓不清造成的车牌检测困难的问题。
4.为解决上述技术问题，本发明采用的第一个技术方案是：提供一种车辆检测方法，该方法包括：对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集；基于所述检测车灯区域集，得到各个车灯区域对；其中，一个所述车灯区域对包含所述检测车灯区域集中归属于同一车辆的不同检测车灯区域；从所述检测车牌区域集中确定出所述各个车灯区域对匹配的检测车牌区域；将所述各个车灯区域对包含的检测车灯区域和确定出的检测车牌区域，确定为所述待处理图像的车辆检测结果。
5.其中，从所述检测车牌区域集中确定出所述各个车灯区域对匹配的检测车牌区域，还包括：若确定所述各个车灯区域对中存在目标车灯区域对，则对所述目标车灯区域对在所述待处理图像中对应的图像区域进行车牌检测，得到所述目标车灯区域对匹配的车牌检测区域；其中，所述目标车灯区域对是所述检测车牌区域集中不存在匹配的检测车牌区域的车灯区域对。
6.其中，对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集，包括：基于目标检测模型，对待处理图像进行所述车牌检测，检测得到所述待处理图像中包含的各个检测车牌区域，并将检测得到的各个检测车牌区域进行聚类，得到所述检测车牌区域；以及基于所述目标检测模型，对待处理图像进行所述车灯检测，检测得到所述待处理图像中包含的各个检测车灯区域，并将检测得到的各个检测车灯区域进行聚类，得到所述检测车灯区域。
7.其中，对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集，还包括：确定每一所述检测车灯区域的中心坐标以及每一所述检测车牌区域的中心坐标；将所述检测车牌区域集包含的所有所述检测车牌区域对应的中心坐标依照第一规则排列；将所述检测车灯区域集包含的所有所述检测车灯区域对应的中心坐标依照第二规则排列。
8.其中，基于所述检测车灯区域集，得到各个车灯区域对，包括：选取所述检测车灯
区域集中的一个所述检测车灯区域，将选取的所述检测车灯区域与所述检测车灯区域集包含的其它所述检测车灯区域进行匹配；分别判断所述选取的检测车灯区域与所述检测车灯区域集包含的其它所述检测车灯区域之间的关系是否符合预设条件；如果所述选取的检测车灯区域与所述检测车灯区域集包含的其它所述检测车灯区域中的一个所述检测车灯区域之间的关系符合所述预设条件，则确定符合所述预设条件的所述检测车灯区域与所述选取的检测车灯区域匹配成对。
9.其中，分别判断所述选取的检测车灯区域与所述检测车灯区域集包含的其它所述检测车灯区域之间的关系是否符合预设条件，包括：分别判断所述选取的检测车灯区域的中心坐标与所述检测车灯区域集包含的其它所述检测车灯区域中的每一所述检测车灯区域的中心坐标之间的垂直距离是否小于阈值；分别判断所述选取的检测车灯区域的中心坐标与所述检测车灯区域集包含的其它所述检测车灯区域中的每一所述检测车灯区域的中心坐标之间的水平距离是否符合阈值范围；所述如果所述选取的检测车灯区域与所述检测车灯区域集包含的其它所述检测车灯区域中的一个所述检测车灯区域之间的关系符合所述预设条件，则确定符合所述预设条件的所述检测车灯区域与所述选取的检测车灯区域匹配成对，包括：如果所述选取的检测车灯区域集的中心坐标与所述检测车灯区域集包含的其它所述检测车灯区域中的一个所述检测车灯区域的中心坐标之间的垂直距离小于阈值，且所述选取的检测车灯区域的中心坐标与所述垂直距离小于所述阈值对应的所述检测车灯区域的中心坐标之间的水平距离符合阈值范围，则确定符合所述阈值范围的所述检测车灯区域与所述选取的检测车灯区域匹配成对。
10.其中，基于所述检测车灯区域集，得到各个车灯区域对，还包括：如果所述选取的检测车灯区域与所述检测车灯区域集包含的其它所述检测车灯区域之间的关系均不符合所述预设条件，则删除所述选取的检测车灯区域。
11.其中，从所述检测车牌区域集中确定出所述各个车灯区域对匹配的检测车牌区域，包括：确定所述目标车灯区域对中的两个所述检测车灯区域对应的两个所述中心坐标之间的中央位置；判断所述检测车牌区域集中的所述检测车牌区域是否处于所述中央位置的预设位置；如果所述检测车牌区域集中的一个所述检测车牌区域处于所述中央位置的预设位置，则保留所述检测车牌区域。
12.为解决上述技术问题，本发明采用的第二个技术方案是：提供一种终端，该终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序，处理器用于执行程序数据以实现上述车辆检测方法中的步骤。
13.为解决上述技术问题，本发明采用的第三个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述车辆检测方法中的步骤。
14.本发明的有益效果是：区别于现有技术的情况，提供的一种车辆检测方法、终端及计算机可读存储介质，该车辆检测方法包括对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集；基于检测车灯区域集，得到各个车灯区域对；其中，一个车灯区域对包含检测车灯区域集中归属于同一车辆的不同检测车灯区域；从检测车牌区域集中确定出各个车灯区域对匹配的检测车牌区域；将各个车灯区域对包含的检测车灯区域和确定出的检测车牌区域，确定为待处理图像的车辆检测结果。本技术中先在检测车灯
区域集中筛选出其中的车灯区域对，再在检测车牌区域集中筛选出各个车灯区域对对应的检测车牌区域，不需要检测车辆的轮廓就可以对车辆的车牌进行检测，减少车牌和车灯的误报，提高车辆车灯和车牌的检测准确率。
附图说明
15.为了更清楚地说明本发明实施例中的技术方案，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它的附图。
16.图1是本发明提供的车辆检测方法的流程示意图；
17.图2是本发明提供的车辆检测方法一具体实施例的流程示意图；
18.图3是本发明提供的车辆检测方法一具体实施例的示意图；
19.图4是本发明提供的终端一实施方式的示意框图；
20.图5是本发明提供的计算机可读存储介质一实施方式的示意框图。
具体实施方式
21.下面结合说明书附图，对本技术实施例的方案进行详细说明。
22.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本技术。
23.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
24.为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明所提供的一种车辆检测方法做进一步详细描述。
25.请参阅图1，图1是本发明提供的车牌定位方法的流程示意图。本实施例中提供一种车辆检测方法，该车牌定位方法包括如下步骤。
26.s11：对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集。
27.具体地，可以通过图像采集设备获取待处理图像，待处理图像包括车辆。图像采集设备可以为相机，也可以为具有拍照功能的手机。其中，车辆可以包括一个，也可以为多个。车辆可以为机动车辆。通过目标检测模型对待处理图像进行目标检测，检测得到待处理图像中包含的所有车辆的检测车灯区域集和检测车牌区域集。其中，检测车灯区域集包括至少一个检测车灯区域，检测车灯区域为检测到车辆的车灯检测框处于待处理图像中的位置。检测车牌区域集包括至少一个检测车牌区域，检测车牌区域为检测到车辆的车牌检测框处于待处理图像中的位置。
28.s12：基于检测车灯区域集，得到各个车灯区域对。
29.具体地，基于目标检测模型，对待处理图像进行车灯检测，检测得到待处理图像中包含的各个检测车灯区域，并将检测得到的各个检测车灯区域进行聚类，得到检测车灯区
域。本实施例中，车辆为机动车辆，机动车辆的前灯为两个，且机动车辆的后灯也为两个。根据同一辆车同一端的两个车灯之间的位置，筛选检测车灯区域集中能够组成车灯区域对的检测车灯区域，并将检测车灯区域集中未成对的检测车灯区域去除。
30.s13：从检测车牌区域集中确定出各个车灯区域对匹配的检测车牌区域。
31.具体地，本实施例中，机动车辆的车牌位于车辆的前端和后端。车辆前端的车牌和车辆后端的车牌均位于同一端设置的两个车灯的连线中点靠近车底的位置。在其它可选实施例中，机动车辆前端的车牌位于前端两个车灯的连线中点靠近车底的位置；机动车辆后端的车牌也可以位于后端两个车灯的连线中点靠近车顶的位置，如货车。可以基于成对的车灯的车灯位置与车牌位置的位置关系，从检测车牌区域集中筛选出每个检测车灯对对应的检测车牌区域，进而实现对车辆的车牌的检测。
32.s14：将各个车灯区域对包含的检测车灯区域和确定出的检测车牌区域，确定为待处理图像的车辆检测结果。
33.具体地，筛选检测车牌区域集中车灯区域对对应的检测车牌区域，将未对应的检测车牌区域去除，将车灯区域对包含的两个检测车灯区域以及对应的检测车牌区域作为待处理图像的车辆检测结果输出。在另一可选实施例中，将筛选的检测车牌区域作为待处理图像的车辆检测结果输出。
34.本实施例提供的车辆检测方法，包括对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集；基于检测车灯区域集，得到各个车灯区域对；其中，一个车灯区域对包含检测车灯区域集中归属于同一车辆的不同检测车灯区域；从检测车牌区域集中确定出各个车灯区域对匹配的检测车牌区域；将各个车灯区域对包含的检测车灯区域和确定出的检测车牌区域，确定为待处理图像的车辆检测结果。本技术中先在检测车灯区域集中筛选出其中的车灯区域对，再在检测车牌区域集中筛选出各个车灯区域对对应的检测车牌区域，不需要检测车辆的轮廓就可以对车辆的车牌进行检测，减少车牌和车灯的误报，提高车辆车灯和车牌的检测准确率。
35.请参阅图2，图2是本发明提供的车牌定位方法一具体实施例的流程示意图。本实施例中提供一种车辆检测方法，该车牌定位方法包括如下步骤。
36.s21：基于目标检测模型对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集。
37.具体地，待处理图像包括车辆。其中，车辆可以包括一个，也可以为多个。其中，车辆可以为机动车辆。基于目标检测模型，对待处理图像进行车牌检测，检测得到待处理图像中包含的各个检测车牌区域，并将检测得到的各个检测车牌区域进行聚类，得到检测车牌区域。基于目标检测模型，对待处理图像进行车灯检测，检测得到待处理图像中包含的各个检测车灯区域，并将检测得到的各个检测车灯区域进行聚类，得到检测车灯区域。
38.在一可选实施例中，通过多张标注有检测车牌位置和检测车灯位置的图像组成的训练样本集对目标检测模型进行训练，以提高目标检测模型的检测准确率。
39.通常情况下，同一辆车的同一侧具有两个车灯以及一个车牌。由于待处理图像中的车辆的检测车牌区域和/或检测车灯区域会被遮挡或出框，使得检测得到的检测车灯区域和检测得到的检测车牌区域的个数出现不对应，因此，检测车灯区域集中包含的检测车灯区域的个数与检测车牌区域集中包含的检测车牌区域的个数是不相关的。
40.确定每一检测车牌区域对应的中心坐标；将检测车牌区域集包含的所有检测车牌区域对应的中心坐标依照第一规则排列。检测车牌区域对应的中心坐标为车辆的检测车牌区域处于待处理图像中的位置。提取检测车牌区域集包含的每一检测车牌区域在待处理图像中的中心坐标中的横向坐标，按照从小到大的顺序依次排列，进而得到依次排列的中心坐标以及依次对应排列的检测车牌区域，即检测车牌区域集中包含的检测车牌区域依照横向坐标的大小依次排列。在另一可选实施例中，提取检测车牌区域集包含的每一检测车牌区域在待处理图像中的中心坐标中的纵向坐标，按照从小到大的顺序依次排列，进而得到依次排列的中心坐标以及依次对应排列的检测车牌区域，即检测车牌区域集中包含的检测车牌区域依照纵向坐标的大小依次排列。在另一可选实施例中，将待处理图像的左上角设定为坐标原点，根据每一检测车牌区域的中心坐标确定检测车牌区域到原点的距离，进而根据检测车牌区域到原点的距离，将所有检测车牌区域根据距离原点由近及远进行依次排列。
41.确定每一检测车灯区域对应的中心坐标，将检测车灯区域集包含的所有检测车灯区域对应的中心坐标依照第二规则排列。其中，检测车灯区域对应的中心坐标为车辆的检测车灯区域处于待处理图像中的位置。提取检测车灯区域集包含的每一检测车灯区域在待处理图像中的中心坐标中的横向坐标，按照从小到大的顺序依次排列，进而得到依次排列的中心坐标以及依次对应排列的检测车灯区域，即检测车灯区域集中包含的检测车灯区域依照横向坐标的大小依次排列。在另一可选实施例中，提取检测车灯区域集包含的每一检测车灯区域在待处理图像中的中心坐标中的纵向坐标，按照从小到大的顺序依次排列，进而得到依次排列的中心坐标以及依次对应排列的检测车灯区域，即检测车灯区域集中包含的检测车灯区域依照纵向坐标的大小依次排列。在另一可选实施例中，将待处理图像的左上角设定为坐标原点，根据每一检测车灯区域的中心坐标确定检测车灯区域到原点的距离，进而根据检测车灯区域到原点的距离，将所有检测车灯区域根据距离原点由近及远进行依次排列。
42.其中，第一规则可以与第二规则相同，也可以与第二规则不相同。
43.s22：选取检测车灯区域集中的一个检测车灯区域。
44.具体地，在检测车灯区域集包含的多个检测车灯区域中选取一个检测车灯区域的中心坐标。优选的，选取检测车灯区域集中排列的首个检测车灯区域对应的中心坐标。例如，选取的检测车灯区域对应的中心坐标为a1(x1，y1)。也可以在检测车灯区域集中选取任意一个检测车灯区域对应的中心坐标。例如，选取的检测车灯区域对应的中心坐标为a3(x3，y3)。
45.s23：判断选取的检测车灯区域与检测车灯区域集包含的其它检测车灯区域之间的关系是否符合预设条件。
46.具体地，分别判断选取的检测车灯区域的中心坐标与检测车灯区域集包含的其它检测车灯区域中的每一检测车灯区域的中心坐标之间的垂直距离是否小于阈值。例如，判断选取的检测车灯区域对应的中心坐标a1(x1，y1)与另一检测车灯区域对应的中心坐标a2(x2，y2)的垂直距离|y
2-y1|是否小于设定的阈值α，α是根据同一辆车中的两个车灯处于同一高度位置设置的，如果两个中心坐标的y值相差很大，说明这两个检测车灯区域不是属于同一辆车；如果两个中心坐标的y值相差小于设定的阈值，说明这两个检测车灯区域属于同
一辆车的同一端。
47.分别判断选取的检测车灯区域的中心坐标与其它检测车灯区域中的每一检测车灯区域的中心坐标之间的水平距离是否符合阈值范围。例如，判断选取的检测车灯区域对应的中心坐标a1(x1，y1)与另一检测车灯区域对应的中心坐标a2(x2，y2)的水平距离|x
2-x1|是否大于β且小于γ，β是为了避免对于同一检测车灯区域检测得到两个检测车灯区域，将同一检测车灯区域检测得到的两个检测车灯区域对应的中心坐标进行匹配，进而防止虚报；γ是为了排除将横向排列的第一辆车的检测车灯区域与相邻的第二辆车的检测车灯区域匹配，进而提高匹配准确率。其中，β和γ是根据车辆中两个检测车灯区域的位置进行确定。如果两个中心坐标的x值相差很大或很小，说明这两个检测车灯区域不是属于同一辆车。
48.如果选取的检测车灯区域与检测车灯区域集包含的其它检测车灯区域中的一个检测车灯区域之间的关系符合预设条件，则执行步骤s24；如果选取的检测车灯区域与检测车灯区域集中的其它检测车灯区域中的所有检测车灯区域之间的关系均不符合预设条件，则执行步骤s25。
49.s24：确定符合预设条件的检测车灯区域与选取的检测车灯区域匹配成一车灯区域对。
50.具体地，如果选取的检测车灯区域与检测车灯区域集中的其它检测车灯区域中的一个检测车灯区域之间的关系符合预设条件，则确定对应的检测车灯区域与选取的检测车灯区域相互匹配，也就是说，符合预设条件的检测车灯区域与选取的检测车灯区域属于同一辆车上的一对车灯。在一具体实施例中，如果选取的检测车灯区域的中心坐标与其它检测车灯区域中的一个检测车灯区域的中心坐标之间的水平距离符合阈值范围，且选取的检测车灯区域的中心坐标与水平距离符合阈值范围的检测车灯区域的中心坐标之间的垂直距离小于阈值，则确定符合预设范围和阈值的中心坐标对应的检测车灯区域与选取的检测车灯区域属于同一辆车上的一对车灯，且均处于车辆的前端或均处于车辆的后端，该检测车灯区域与选取的检测车灯区域匹配成一车灯区域对。
51.s25：删除检测车灯。
52.具体地，如果选取的检测车灯区域与检测车灯区域集中的其它检测车灯区域中的所有检测车灯区域之间的关系均不符合预设条件，则确定选取的检测车灯区域与其它检测车灯区域均不匹配。也就是说，选取的检测车灯区域与其它检测车灯区域不属于同一辆车，则删除选取的这一检测车灯区域。在一具体实施例中，如果选取的检测车灯区域的中心坐标与其它检测车灯区域中的所有检测车灯区域的中心坐标之间的水平距离均不符合阈值范围，或选取的检测车灯区域的中心坐标与检测车灯区域集中的其它检测车灯区域中的所有检测车灯区域的中心坐标之间的垂直距离均不小于阈值，则确定选取的中心坐标对应的检测车灯区域与其它检测车灯区域不属于同一辆车，删除选取的检测车灯区域之后，直接跳转至步骤s22。
53.s26：确定目标车灯区域对的两个检测车灯区域对应的两个中心坐标之间的中央位置。
54.具体地，机动车辆中，检测车牌区域普遍位于成对的两个检测车灯区域的连线中心偏下位置。因此，为了确定车辆的检测车灯区域对应的检测车牌区域，需要确定匹配的两
个检测车灯区域中心坐标连线上的中央位置。例如，检测车灯区域a1与检测车灯区域a2匹配成对，则检测车灯区域a1对应的中心坐标与检测车灯区域a2对应的中心坐标的中央位置为
55.s27：判断检测车牌区域集中的每一检测车牌区域是否处于中央位置的预设位置。
56.具体地，由于车牌位于成对的两个车灯的连线中心偏下的位置，则判断检测车牌区域集中的每一检测车牌区域的中心坐标与中央位置的位置关系。具体地，根据实际情况设定车牌位于中央位置偏下的预设位置。其中，预设位置为预设范围。判断每一检测车牌区域的中心坐标是否处于预设范围。
57.如果检测车牌区域集中的一个检测车牌区域的中心坐标处于中央位置的预设位置，则直接跳转至步骤s28；如果检测车牌区域集中包含的所有检测车牌区域的中心坐标均未处于中央位置的预设位置，则直接跳转至步骤s29。
58.s28：将检测车牌位置作为一对检测车灯对应的检测车牌。
59.具体地，如果检测车牌区域集中的一个检测车牌区域的中心坐标处于中央位置的预设位置，则表明成对的检测车灯区域与处于中央位置的预设位置的检测车牌区域匹配成功，将中心坐标处于中央位置的预设位置的检测车牌作为步骤s26中的一对检测车灯对应的车牌，并将检测车牌区域作为待处理图像的车辆检测结果输出。
60.s29：将处于中央位置的预设位置的图像进行提取，并再次进行检测。
61.具体地，如果检测车牌区域集中包含的所有检测车牌区域的中心坐标均未处于中央位置的预设位置，则表明目标车灯区域对与检测车牌区域集中的所有检测车牌区域匹配不成功，将目标车灯区域对对应的中央位置的预设位置的图像区域进行分割，并通过目标检测模型进行再次检测，将检测得到的检测车牌区域作为待处理图像的检测结果输出，避免车辆检测的漏检，进而提高车辆检测的准确率。
62.请参阅图3，图3是本发明提供的车牌定位方法一具体实施例的示意图。在一具体实施例中，获取待处理图像，对待处理图像进行检测得到的检测车灯区域集a＝{a1，a2，a3，
…
，an}，其中，a1，a2，a3，
…
，an表示检测到的不同的车灯区域。检测得到的检测车牌区域集b＝{b1，b2，b3，
…
，bm}，其中，b1，b2，b3，
…
，bm表示检测到的不同的车牌区域。对检测车牌区域集进行排序b＝{b1(x1，y1)，b2(x2，y2)，b3(x3，y3)，
…bm
(xm，ym)}，其中，xm＞x3＞x2＞x1。对检测车灯区域集进行排序a＝{a1(x1，y1)，a2(x2，y2)，a3(x3，y3)，
…an
(xn，yn)}，其中，xn＞x3＞x2＞x1。取出检测车灯区域集中的一个车灯区域的中心坐标a1(x1，y1)并与其它车灯区域的中心坐标进行匹配，判断选取的车灯区域对应的中心坐标a1(x1，y1)与另一车灯区域对应的中心坐标a2(x2，y2)的水平距离|x
2-x1|是否大于β且小于γ，且判断选取的车灯区域对应的中心坐标a1(x1，y1)与另一车灯区域对应的中心坐标a2(x2，y2)的垂直距离|y
2-y1|是否小于设定的阈值α。如果选取的车灯区域与检测车灯区域集中的其它车灯区域中的一个车灯区域之间的关系不符合预设条件，则删除选取的车灯区域，继续选取第二个车灯区域与剩余的其它车灯区域进行匹配。如果选取的车灯区域与检测车灯区域集中的其它车灯区域中的一个车灯区域之间的关系符合预设条件，则确定对应的车灯区域与选取的车灯区域相互匹配，提取成对的两个车灯区域对应的中心坐标，并判断检测车牌区域集中包含的车牌区域是否处于成对的车灯区域中心坐标连线中心偏下位置。如果检测车牌区域集中的一个车牌
区域处于成对的车灯区域中心坐标连线中心偏下位置，则对应的车牌区域作为待处理图像的车辆检测结果输出。
63.本实施例提供的车辆检测方法，包括对待处理图像进行车牌检测和车灯检测，得到检测车牌区域集和检测车灯区域集；基于检测车灯区域集，得到各个车灯区域对；其中，一个车灯区域对包含检测车灯区域集中归属于同一车辆的不同检测车灯区域；从检测车牌区域集中确定出各个车灯区域对匹配的检测车牌区域；将各个车灯区域对包含的检测车灯区域和确定出的检测车牌区域，确定为待处理图像的车辆检测结果。本技术中先在检测车灯区域集中筛选出其中的车灯区域对，再在检测车牌区域集中筛选出各个车灯区域对对应的检测车牌区域，不需要检测车辆的轮廓就可以对车辆的车牌进行检测，减少车牌和车灯的误报，提高车辆车灯和车牌的检测准确率。
64.参阅图4，图4是本发明提供的终端一实施方式的示意框图。该实施方式中的终端70包括：处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序，该计算机程序被处理器71执行时实现上述车辆检测方法中，为避免重复，此处不一一赘述。
65.参阅图5，图5是本发明提供的计算机可读存储介质一实施方式的示意框图。
66.本技术的实施方式中还提供一种计算机可读存储介质90，计算机可读存储介质90存储有计算机程序901，计算机程序901中包括程序指令，处理器执行程序指令，实现本技术实施方式提供的车辆检测方法。
67.其中，计算机可读存储介质90可以是前述实施方式的计算机设备的内部存储单元，例如计算机设备的硬盘或内存。计算机可读存储介质90也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
68.以上仅为本发明的实施方式，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。