1.一种实现智能公交站牌的方法，其特征在于，该方法包括：

对摄像机获取的图像进行定位获取车牌的定位图；

对所述车牌的定位图进行车牌切割处理获取h*l的字符二值图；

根据所述字符二值图的上边界、下边界、左边界和右边界从所述车牌的定位图中获取字符灰度图；

根据所述字符灰度图中字符笔画的方向设定Gabor滤波器组的参数φ的取值；所述Gabor滤波器组的其他参数根据所述字符灰度图中字符宽度设定取值；所述字符灰度图经过所述Gabor滤波器组滤波处理获取Gabor特征；

所述Gabor特征经对应地识别网络得到一个数组，当所述数组中最大数值大于阈值时，所述Gabor特征识别结果为识别网络中获取最大数值对应的字符；当所述数组中最大数值小于等于阈值时，对所述Gabor特征对应地字符二值化图进行识别处理；其中，所述识别网络均由车牌字符样本的Gabor特征经BP神经网络训练得到；

根据车牌字符识别结果以及摄像机获取的多帧图像得到对应车辆在图像中不同时刻的位置信息；将位置信息经过图像标定处理获取车辆的平均移动速度；

根据所述车辆的平均移动速度获取各公交站的最短等待时间；

所述最短等待时间经公交站牌显示给候车乘客。

2.根据权利要求1所述的方法，其特征在于，所述获取Gabor特征的步骤还包括：在不损失信息的情况下，对获取的Gabor特征进行特征压缩处理。

3.根据权利要求1或2所述的方法，其特征在于，所述获取Gabor特征的步骤之前还包括：对所述字符灰度图做图像扩张处理。

4.根据权利要求1或2所述的方法，其特征在于，所述字符灰度图作直方图均衡化处理后再经Gabor滤波器组滤波。

5.根据权利要求1或2所述的方法，其特征在于，所述对所述车牌的定位图进行车牌切割处理获取h*l的字符二值图的步骤包括：对车牌的定位图进行二值化处理，根据车牌定位二值图对车牌灰度图进行倾斜校正；

对倾斜校正后的车牌灰度图进行切割处理；

对车牌切割定位图进行拉伸或缩小处理；

对拉伸或缩小处理后的定位图按行OTSU二值化处理，并从按行OTSU二值化处理后的定位图获取字符二值图，并对字符二值图处理得到均为h*l的字符二值图。

6.根据权利要求5所述的方法，其特征在于，所述拉伸或缩小处理的方法为双线性插值。

7.根据权利要求1或2所述的方法，其特征在于，所述车牌的定位图依次获取7张字符灰度图，第一张字符灰度图对应字符为汉字，第二张字符灰度图对应字符为字母，其他字符灰度图对应字符为字母或数字。

8.根据权利要求7所述的方法，其特征在于，所述Gabor特征经对应地识别网络得到一个数组的步骤具体包括：所述Gabor特征为所述第一张字符图的Gabor特征，Gabor特征经汉字识别网络得到一个数组；

所述Gabor特征为所述第二张字符图的Gabor特征，Gabor特征经字母识别网络得到一个数组；

所述Gabor特征为公交车牌的其他字符图的Gabor特征，Gabor特征经字母数字识别网络得到一个数组。

9.根据权利要求1或2所述的方法，其特征在于，所述Gabor滤波器组的参数φ分别取值为

10.根据权利要求1或2所述的方法，其特征在于，所述根据所述车辆的平均移动速度获取各公交站的最短等待时间的步骤包括：根据所述公交车的平均移动速度计算第k辆公交车的到达第i条公交线路中的第j个公交站台的时间Tijk(t)；

判断上次公交站牌更新时间是否由第k辆公交车引起；如果是，则各公交站的最短等待时间为第k辆公交车的到达第i条公交线路中的第j个公交站台的时间Rijk(t)；否则，获取第i条公交线路中各公交车到达第j个公交站台的最短等待时间Tij(t)；其中，Ci为第i条公交线路公交车数。

11.根据权利要求10所述的方法，其特征在于，所述第k辆公交车的到达第i条公交线路中的第j个公交站台的时间Tijk(t)的获取表达式为：其中，Uink(t)＝L*λin(t)*Waitijk(t)+open+close；L表示一个乘车人上公交车花费的时间，λin(t)为单位时间内乘坐第k辆公交车人数服从的泊松分布的期望或方差值；open表示第k辆公交车打开车门的时间，close表示第k辆公交车关闭车门的时间；Waitijk(t)表示从第i条公交线路上第k辆公交车到第J站与最近的一个公交车到第J站的间隔时间；vk(t)为第k辆公交车的平均移动速度，dijk(t)为第i条公交线路中第k辆车到第j个公交站的距离，m为从当前路口到公交车站j需要经过的路口，n表示从当前路口到公交车j需要经过的公交站，pim(t)为第k辆公交车在路口m遇到交通灯的概率；Wim(t)为第k辆公交车在路口m遇到交通灯的停止时间。

12.一种实现智能公交站牌的系统，其特征在于，该系统包括：

定位单元，用于对摄像机获取的图像进行定位获取车牌的定位图；

字符二值图单元，用于对所述车牌的定位图进行车牌切割处理获取h*l的字符二值图；

字符灰度图单元，用于根据所述字符二值图的上边界、下边界、左边界和右边界从所述车牌的定位图中获取字符灰度图；

Gabor特征提取单元，用于根据所述字符灰度图中字符笔画的方向设定Gabor滤波器组的参数φ的取值；所述Gabor滤波器组的其他参数根据所述字符灰度图中字符宽度设定取值；所述字符灰度图经过所述Gabor滤波器组处理获取Gabor特征；

识别单元，用于所述Gabor特征经对应地识别网络得到一个数组，当所述数组中最大数值大于阈值时，所述Gabor特征识别结果为识别网络中获取最大数值对应的字符；当所述数组中最大数值小于等于阈值时，对所述Gabor特征对应地字符二值化图进行识别处理；其中，所述识别网络均由车牌字符样本的Gabor特征经BP神经网络训练得到；

车辆平均移动速度单元，用于根据车牌字符识别结果以及摄像机获取的多帧图像得到对应车辆在图像中不同时刻的位置信息，将位置信息经过图像标定处理获取车辆的平均移动速度；

等待时间单元，用于根据所述车辆的平均移动速度获取各公交站的最短等待时间；

显示单元，用于所述最短等待时间经公交站牌显示给候车乘客。

13.根据权利要求12所述的系统，其特征在于，所述Gabor特征提取单元还包括：特征压缩模块，用于在不损失信息的情况下，对获取的Gabor特征进行特征压缩处理。

14.根据权利要求12或13所述的系统，其特征在于，该系统还包括：图像扩张单元，用于对所述字符灰度图做图像扩张处理。

15.根据权利要求12或13所述的系统，其特征在于，所述字符灰度图单元获取的字符灰度图作直方图均衡化处理后再经Gabor滤波器组滤波。

16.根据权利要求12或13所述的系统，其特征在于，所述字符二值图单元包括：校正模块，用于对车牌的定位图进行二值化处理，根据车牌定位二值图对车牌灰度图进行倾斜校正；

切割模块，用于对倾斜校正后的车牌灰度图进行切割处理；

拉伸缩小模块，用于对车牌切割定位图进行拉伸或缩小处理；

字符图模块，用于对拉伸或缩小处理后的定位图按行OTSU二值化处理，并从按行OTSU二值化处理后的定位图获取字符二值图，并对字符二值图处理得到均为h*l的字符二值图。

17.根据权利要求12或13所述的系统，其特征在于，所述拉伸缩小模块采用双线性插值。

18.根据权利要求12或13所述的系统，其特征在于，所述字符灰度图单元依次获取7张字符灰度图，第一张字符灰度图对应字符为汉字，第二张字符灰度图对应字符为字母，其他字符灰度图对应字符为字母或数字。

19.根据权利要求18所述的系统，其特征在于，所述识别单元具体包括：汉字识别模块，用于所述Gabor特征为所述第一张字符图的Gabor特征，Gabor特征经汉字识别网络得到一个数组；

字母识别模块，用于所述Gabor特征为所述第二张字符图的Gabor特征，Gabor特征经字母识别网络得到一个数组；

字母数字识别模块，用于所述Gabor特征为公交车牌的其他字符图的Gabor特征，Gabor特征经字母数字识别网络得到一个数组。

20.根据权利要求12或13所述的系统，其特征在于，所述Gabor特征提取单元采用的Gabor滤波器组的参数φ分别取值为

21.根据权利要求12或13所述的系统，其特征在于，所述等待时间单元包括：计算时间模块，用于根据所述公交车的平均移动速度计算第k辆公交车的到达第i条公交线路中的第j个公交站台的时间Tijk(t)；

最短等待时间模块，用于判断上次公交站牌更新时间是否由第k辆公交车引起；如果是，则各公交站的最短等待时间为第k辆公交车的到达第i条公交线路中的第j个公交站台的时间Tijk(t)；否则，获取第i条公交线路中各公交车到达第j个公交站台的最短等待时间Tij(t)；其中， Ci为第i条公交线路公交车数。

22.根据权利要求21所述的系统，其特征在于，所述计算时间模块根据下式获取第k辆公交车的到达第i条公交线路中的第j个公交站台的时间Tijk(t)；

其中，Uink(t)＝L*λin(t)*Waitijk(t)+open+close；L表示一个乘车人上第k辆公交车花费的时间，λin(t)为单位时间内乘坐第k辆公交车人数服从的泊松分布的期望或方差值；open表示第k辆公交车打开车门的时间，close表示第k辆公交车关闭车门的时间；

Waitijk(t)表示从第i条公交线路上第k辆公交车到第J站与最近的一个公交车到第J站的间隔时间；vk(t)为第k辆公交车的平均移动速度，dijk(t)为第i条公交线路中第k辆车到第j个公交站的距离，m为从当前路口到公交车站j需要经过的路口，n表示从当前路口到公交车j需要经过的公交站，pim(t)为第k辆公交车在路口m遇到交通灯的概率；Wim(t)为第k辆公交车在路口m遇到交通灯的停止时间。