1.一种整体与部件目标检测相结合的非约束车牌精准定位方法，其特征在于包括以下步骤：步骤1：利用YOLOv3目标检测算法模型，对车牌顶点区域及整体车牌区域进行同步检测；

步骤2：使用CF_NMS、车牌顶点区域归类及单一缺失顶点预测，对模型检测结果进行处理，从而得到精准的车牌区域；

所述步骤2中，忽略类别的非极大值抑制算法CF_NMS包括以下步骤：

步骤2.1：将图像中检测到的所有车牌顶点区域类别设定为统一的取值；

步骤2.2：将所有车牌顶点区域边界框信息放入集合B中，建立空集合D，用于存放需要保留的边界框；

步骤2.3：从集合B中取出置信度最大的边界框加入空集合D，并从集合B删除这一边界框信息，将取出的边界框与集合B中其他所有边界框做如公式(1)所示的IoU运算，然后从集合B删除所有IoU大于规定阈值0.7的目标边界框；

步骤2.4：重复步骤2.3，直至集合B为空，最终得到的集合D即包含所有需要保留的车牌顶点区域边界框；

车牌顶点区域归类方法包括如下步骤：

步骤2.5：将CF_NMS处理后得到的车牌顶点区域目标及车牌区域目标分别放入集合B1和集合B2中，建立空集合D1；

步骤2.6：建立空集合D0，从B2中取出任意一个车牌区域，将其信息保存在D0中并从B2删除，从B1中取出所有与其存在交集的顶点区域边界框，将它们的信息保存在D0中并从B1删除；

步骤2.7：判断D0中边界框个数是否大于3，即保留检测到的车牌顶点区域个数为3、4或更多的情况，因为当顶点区域少于3个时，无法得到精准的车牌区域；若顶点区域个数大于等于3，则将D0加入D1中，否则不进行任何处理；

步骤2.8：重复步骤2.6和步骤2.7，直至B1或B2为空；

步骤2.9：若B2为空且B1中剩余车牌顶点区域数目大于3，则将顶点区域信息保存在空集合D2中，并将D2加入D1，否则，不进行任何处理；

车牌顶点区域归类步骤后，现有的车牌区域与车牌顶点区域的对应情况分为3种：1个车牌区域和对应的3个顶点区域、1个车牌区域和对应的4个及以上顶点区域、0个车牌区域和4个及以上顶点区域；

对于4个顶点区域确定的情况，直接获取4个边界框中心；

对于顶点区域数量超过4个的情况，这是由于包含错误顶点区域，从中随机选取4个车牌区域边界框中心，然后按照一定顺序连接即可得到精确的车牌区域；

对于只有3个顶点区域的情况，结合其对应的车牌区域预测缺失的顶点位置。

2.根据权利要求1所述一种整体与部件目标检测相结合的非约束车牌精准定位方法，其特征在于：该方法还包括融入多模型定位结果的融合策略，具体步骤如下：步骤1)：将两种具有不同输入尺寸的YOLOv3目标检测模型所检测到的车牌顶点区域目标边界框信息保留到集合D中，所有的目标边界框只包含矩形框的中心点、宽高和类别信息，在进行模型输出结果融合时，将所有车牌顶点区域视为同一类目标进行处理；

步骤2)：建立空集合B，由于此时不存在置信度信息，因此随机取出集合D中的一个车牌顶点区域边界框将其放入集合B，将集合D中其余顶点区域边界框与其求IoU，如公式(1)，将IoU>0.45的顶点区域边界框信息从集合D中删除；

步骤3)：重复步骤2)，直至集合D中包含的顶点区域个数为零，则最终得到的集合B中所有的顶点区域边界框，即为顶点区域融合的结果；

步骤4)按照相同的方式，对两种具有不同输入尺寸的YOLOv3目标检测模型所检测到的车牌区域检测框进行融合，保留最终得到的车牌顶点区域及车牌区域融合结果。

3.根据权利要求1所述一种整体与部件目标检测相结合的非约束车牌精准定位方法，其特征在于：所述步骤1中，采用自适应方式设定车牌4个顶点目标区域尺寸：A、B、C、D分别为车牌右下顶点、左下顶点、左上顶点、右上顶点，4个正方形框分别为4个顶点对应的车牌顶点目标区域；

车牌顶点目标区域的边长与车牌大小相关，左上顶点C与左下顶点B对应的正方形区域边长相同，长度为2h使用上述方式将4张车牌的4个顶点区域截取出来，车牌的每一类顶点区域具有相似性，其包含车牌的区域皆位于同一直角方位，其余方位均为背景信息；最后将车牌外接矩形区域也作为一类，和车牌顶点区域共同作为模型训练的目标区域。

4.根据权利要求1所述一种整体与部件目标检测相结合的非约束车牌精准定位方法，其特征在于：得到图像中相应车牌的4个顶点坐标，将4个顶点按照一定的顺序连接即可得到车牌区域，具体方法如下：首先找出位于最上端的顶点A，然后计算该顶点与其他三个顶点的连线与该顶点水平向右线段的夹角α、β、γ，其中，对应夹角度数最小与最大的顶点与A相邻，分别记为点B与点D，剩下的顶点记为点C，最后按照A-B-C-D-A的顺序将顶点连接起来，即可得到车牌区域。