1.一種車標(biāo)識(shí)別方法，其特征在于，包括：
在包含待識(shí)別車標(biāo)的第一圖像中識(shí)別所述第一圖像的特征區(qū)域，其中，所述特征區(qū)域?yàn)樗龃R(shí)別車標(biāo)所在的區(qū)域；
生成包含所述特征區(qū)域的預(yù)定大小的第二圖像；
將所述第二圖像輸入預(yù)先訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型中，得到所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在包含待識(shí)別車標(biāo)的第一圖像中識(shí)別所述第一圖像的特征區(qū)域包括：
對(duì)所述第一圖像進(jìn)行平滑處理，獲得車牌位置信息；
根據(jù)所述車牌位置信息以及車牌和車標(biāo)之間的位置關(guān)系，確定所述第一圖像的特征區(qū)域。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述生成包含所述特征區(qū)域的預(yù)定大小的第二圖像包括：
生成包含所述特征區(qū)域的第三圖像；
對(duì)所述第三圖像進(jìn)行邊緣檢測(cè)、均衡化、閾值過濾、圖像開閉運(yùn)算、和縮放處理，確定處理后的圖像為第二圖像。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)模型為AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型，所述AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型的訓(xùn)練過程包括：
獲取樣本車輛圖像，并確定包含各樣本車輛圖像內(nèi)的車標(biāo)的第一樣本車標(biāo)圖像；
將所述第一樣本車標(biāo)圖像處理成所述預(yù)定大小的第二樣本車標(biāo)圖像；
將所述第二樣本車標(biāo)圖像，以及與各第二樣本車標(biāo)圖像對(duì)應(yīng)的車標(biāo)類別信息作為訓(xùn)練樣本，訓(xùn)練得到所述AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型。
5.根據(jù)權(quán)利要求1-4任一所述的方法，其特征在于，所述方法還包括：
獲得所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息的置信度；
所述得到所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息包括：
根據(jù)所述待識(shí)別車標(biāo)對(duì)應(yīng)的各類別信息的置信度，按照置信度從大到小的順序，得到預(yù)定數(shù)量的所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息。
6.一種車標(biāo)識(shí)別裝置，其特征在于，包括：
識(shí)別模塊，用于在包含待識(shí)別車標(biāo)的第一圖像中識(shí)別所述第一圖像的特征區(qū)域，其中，所述特征區(qū)域?yàn)樗龃R(shí)別車標(biāo)所在的區(qū)域；
生成模塊，用于生成包含所述特征區(qū)域的預(yù)定大小的第二圖像；
第一處理模塊，用于將所述第二圖像輸入預(yù)先訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型中，得到所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述識(shí)別模塊具體用于：
對(duì)所述第一圖像進(jìn)行平滑處理，獲得車牌位置信息；
根據(jù)所述車牌位置信息以及車牌和車標(biāo)之間的位置關(guān)系，確定所述第一圖像的特征區(qū)域。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述生成模塊具體用于：
生成包含所述特征區(qū)域的第三圖像；
對(duì)所述第三圖像進(jìn)行邊緣檢測(cè)、均衡化、閾值過濾、圖像開閉運(yùn)算、和縮放處理，確定處理后的圖像為第二圖像。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)模型為AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型，所述裝置還包括：
確定模塊，用于獲取樣本車輛圖像，并確定包含各樣本車輛圖像內(nèi)的車標(biāo)的第一樣本車標(biāo)圖像；
第二處理模塊，用于將所述第一樣本車標(biāo)圖像處理成所述預(yù)定大小的第二樣本車標(biāo)圖像；
訓(xùn)練模塊，用于將所述第二樣本車標(biāo)圖像，以及與各第二樣本車標(biāo)圖像對(duì)應(yīng)的車標(biāo)類別信息作為訓(xùn)練樣本，訓(xùn)練得到所述AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型。
10.根據(jù)權(quán)利要求6-9任一所述的裝置，其特征在于，所述裝置還包括：
獲得模塊，用于獲得所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息的置信度；
所述第一處理模塊，具體用于根據(jù)所述待識(shí)別車標(biāo)對(duì)應(yīng)的各類別信息的置信度，按照置信度從大到小的順序，得到預(yù)定數(shù)量的所述待識(shí)別車標(biāo)對(duì)應(yīng)的類別信息。