一種車(chē)號(hào)自動(dòng)識(shí)別方法及系統(tǒng)與流程

本發(fā)明涉及圖像識(shí)別領(lǐng)域，更確切的說(shuō)，涉及軌道交通中一種車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)及其方法。

背景技術(shù)：

目前我國(guó)鐵路運(yùn)營(yíng)里程不斷擴(kuò)大，鐵路交通日益發(fā)達(dá)，我國(guó)已經(jīng)成為鐵路運(yùn)營(yíng)大國(guó)，保有量位居世界前列。車(chē)號(hào)是的重要標(biāo)志，在調(diào)度、檢修、車(chē)輛編組、車(chē)輛追蹤等方面有重要的作用。車(chē)型車(chē)號(hào)涂裝在車(chē)身上，形成車(chē)號(hào)標(biāo)記，用以對(duì)車(chē)型車(chē)號(hào)進(jìn)行人工識(shí)別。進(jìn)行日常檢修時(shí)，各個(gè)部件運(yùn)行狀態(tài)的提取與存儲(chǔ)過(guò)程都需要以車(chē)型車(chē)號(hào)作為索引，來(lái)達(dá)到對(duì)整體情況的準(zhǔn)確掌握；與此同時(shí)，還需要能夠迅速將同一輛以往的檢測(cè)情況從數(shù)據(jù)庫(kù)中調(diào)出來(lái)進(jìn)行比較。傳統(tǒng)的車(chē)號(hào)識(shí)別方法是人工識(shí)別，人工識(shí)別不僅存在效率低、精度低、勞動(dòng)強(qiáng)度高等缺點(diǎn)，而且識(shí)別過(guò)程不可避免地?fù)诫s人為因素，直接影響識(shí)別的準(zhǔn)確率，因此迫切需要車(chē)號(hào)自動(dòng)識(shí)別設(shè)備，實(shí)現(xiàn)對(duì)車(chē)號(hào)的動(dòng)態(tài)識(shí)別。目前國(guó)內(nèi)外針對(duì)車(chē)號(hào)識(shí)別的算法很多，大多是按照?qǐng)D像預(yù)處理、車(chē)號(hào)定位、車(chē)號(hào)識(shí)別等算法步驟進(jìn)行。

雖然車(chē)號(hào)的圖像處理不太受重視，但這方面的研究還是一直在進(jìn)行。鐵道部于上世紀(jì)90年代開(kāi)展了車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)(ATIS)工程建設(shè)。在此期間，哈爾濱鐵路局科研所于1997年自主研制出了一套HTK196型鐵路車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)，該系統(tǒng)是基于射頻識(shí)別(RFID)技術(shù)來(lái)實(shí)現(xiàn)車(chē)號(hào)的自動(dòng)識(shí)別。一般情況下該系統(tǒng)能自動(dòng)抄錄列車(chē)車(chē)號(hào)，但其準(zhǔn)確性依賴(lài)于列車(chē)上安裝的RFID電子標(biāo)簽，安裝電子標(biāo)簽雖然保證了車(chē)號(hào)讀取速度，識(shí)別率高，但配套設(shè)備復(fù)雜，造價(jià)較高，電子標(biāo)簽容易損壞、丟失，對(duì)其運(yùn)行環(huán)境及設(shè)備維護(hù)要求較高。如圖1所示。

1998年，清華大學(xué)的王少杰等人為解決車(chē)號(hào)字符斷裂、粘連、缺損等問(wèn)題，提出以車(chē)型車(chē)號(hào)的編制規(guī)則為判斷的準(zhǔn)則，通過(guò)建立分割搜索樹(shù)來(lái)實(shí)現(xiàn)以識(shí)別指導(dǎo)分割，獲得了較好的效果，最終系統(tǒng)的識(shí)別準(zhǔn)確率在90％左右。但該文對(duì)車(chē)號(hào)字符明暗程度不一的情況，未作研究和分析。

2000年，上海交通大學(xué)的趙雪春等人研究貨車(chē)車(chē)號(hào)的識(shí)別，提出以識(shí)別結(jié)果為指導(dǎo)的智能字符分割方案。對(duì)字符大小一致、二值化質(zhì)量較好，只出現(xiàn)字符粘連和斷裂、沒(méi)有出現(xiàn)字符筆畫(huà)缺失的情況下，車(chē)號(hào)區(qū)域定位正確率大于99.8％，字符識(shí)別正確率大于96.5％。這種方法主要是以識(shí)別結(jié)果判定分割正誤，解決的是粘連、斷裂字符的分割問(wèn)題。

北京科技大學(xué)的王志明等人利用單程分裂與歸并的圖像分割算法對(duì)集裝箱號(hào)進(jìn)行了識(shí)別，提出了一種基于圖像分割和區(qū)域性分析的集裝箱號(hào)字符定位和識(shí)別方法。該方法首先基于灰度相似性運(yùn)用改進(jìn)的單程分裂與歸并算法對(duì)圖像進(jìn)行自適應(yīng)閾值分割，同時(shí)統(tǒng)計(jì)各個(gè)區(qū)域的灰度、形狀、邊緣強(qiáng)度等特征；然后根據(jù)字符區(qū)域特征，利用一定規(guī)則來(lái)濾除非字符區(qū)域；最后定位出字符區(qū)域，再根據(jù)字符的區(qū)域性進(jìn)行二值化，并采用神經(jīng)網(wǎng)絡(luò)與模板匹配相結(jié)合的方法進(jìn)行了識(shí)別。主要解決的是多行字符的定位問(wèn)題，對(duì)于同一字符灰度不一致的情況，沒(méi)有分析處理。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明的目的是提供一種車(chē)號(hào)自動(dòng)識(shí)別方法及系統(tǒng)，具有識(shí)別效率高、識(shí)別正確率高、信息化程度高、人工依賴(lài)程度低等特點(diǎn)。

為了實(shí)現(xiàn)本發(fā)明的目的，本發(fā)明的技術(shù)方案如下：

一種車(chē)號(hào)自動(dòng)識(shí)別方法，包括以下步驟：

步驟一、圖像采集：當(dāng)進(jìn)線(xiàn)以后，車(chē)輪觸發(fā)傳感器產(chǎn)生信號(hào)，相機(jī)和光源接收外觸發(fā)信號(hào)完成車(chē)號(hào)圖像的采集；

步驟二、車(chē)號(hào)定位：對(duì)采集的圖像進(jìn)行預(yù)處理，獲得包含車(chē)號(hào)的RIO區(qū)域，再消除光斑或光照過(guò)暗的一些干擾，對(duì)車(chē)號(hào)進(jìn)行粗定位、精確定位，完成車(chē)號(hào)定位；

步驟三、車(chē)號(hào)識(shí)別：車(chē)號(hào)字符分割，同時(shí)記錄分割數(shù)目number，檢驗(yàn)分割數(shù)目number是否滿(mǎn)足實(shí)際車(chē)號(hào)字符數(shù)目；實(shí)現(xiàn)車(chē)號(hào)識(shí)別；檢驗(yàn)識(shí)別結(jié)果是否滿(mǎn)足車(chē)型先驗(yàn)知識(shí)；

步驟四、數(shù)據(jù)傳輸：將車(chē)號(hào)定位與識(shí)別結(jié)果傳輸?shù)浇K端設(shè)備上存儲(chǔ)和顯示。

進(jìn)一步的，步驟一中，通常一組圖像為30至60張，完整車(chē)號(hào)圖像為1至3張；

步驟二進(jìn)一步包括以下步驟：

第2.1步：圖像預(yù)處理，根據(jù)先驗(yàn)知識(shí)裁剪采集的圖像，得到包含車(chē)號(hào)的RIO區(qū)域，根據(jù)車(chē)號(hào)的顏色與車(chē)身背景的差異性，提取顏色分量，將彩色圖像變?yōu)閱瓮ǖ缊D像；

第2.2步：消除光斑或光照過(guò)暗的一些干擾；

第2.3步：將得到的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，根據(jù)車(chē)號(hào)的高度、寬度以及高寬比等先驗(yàn)知識(shí)對(duì)車(chē)號(hào)進(jìn)行粗定位；

第2.4步：傾斜校正，得到傾斜校正后的粗定位圖像；

第2.5步：去除粗定位圖像中的噪點(diǎn)，得到精確定位的車(chē)號(hào)圖像。

步驟2.2中消除光斑或光照過(guò)暗的一些干擾的方法為采用基于單通道圖像的均值和方差的二值化方法：

對(duì)圖像中的的每一個(gè)點(diǎn)，在它的R×R鄰域內(nèi)，計(jì)算鄰域里的均值和方差，然后用下式計(jì)算閾值，進(jìn)行二值化：

T(x,y)＝m(x,y)+K×s(x,y)

上式中m(x,y)表示鄰域里的均值，s(x,y)表示鄰域里的方差，K為修正系數(shù)。

步驟2.4中傾斜校正為：將粗定位得到的車(chē)號(hào)圖像再次進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，進(jìn)行邊緣檢測(cè)，然后采用霍夫變換檢測(cè)最長(zhǎng)線(xiàn)段，得到車(chē)號(hào)傾斜角度θ，進(jìn)行仿射變換對(duì)粗定位圖像進(jìn)行傾斜校正。

對(duì)圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，采用先膨脹運(yùn)算，后腐蝕運(yùn)算的方法。

步驟三進(jìn)一步包括以下步驟：

第3.1步：車(chē)號(hào)字符分割，將精確定位的車(chē)號(hào)圖像采用最小外接矩形進(jìn)行字符分割，設(shè)定先驗(yàn)知識(shí)，即車(chē)號(hào)字符的高度h、寬度w和高寬比ratio，將滿(mǎn)足先驗(yàn)知識(shí)的分割字符保存至數(shù)組中，同時(shí)記錄分割數(shù)目number；

第3.2步：檢驗(yàn)分割數(shù)目number是否滿(mǎn)足實(shí)際車(chē)號(hào)字符數(shù)目，如不滿(mǎn)足，則為殘缺車(chē)號(hào)，返回步驟二，對(duì)下一張圖像重新進(jìn)行車(chē)號(hào)定位，直到發(fā)現(xiàn)完整車(chē)號(hào)；

第3.3步：字符歸一化處理；

第3.4步：遍歷分割字符數(shù)組，采用圖像模板匹配和特征提取算法實(shí)現(xiàn)車(chē)號(hào)自動(dòng)識(shí)別；

第3.5步：檢驗(yàn)識(shí)別結(jié)果是否滿(mǎn)足車(chē)型先驗(yàn)知識(shí)，不滿(mǎn)足則返回步驟二和步驟三，對(duì)下一張圖像重新進(jìn)行車(chē)號(hào)定位和識(shí)別。

一種車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)，包括車(chē)輪傳感器、相機(jī)、光源和處理單元，所述處理單元包括：

車(chē)號(hào)定位模塊：用于對(duì)采集的圖像進(jìn)行預(yù)處理，獲得包含車(chē)號(hào)的RIO區(qū)域，再消除光斑或光照過(guò)暗的一些干擾，對(duì)車(chē)號(hào)進(jìn)行粗定位、精確定位，完成車(chē)號(hào)定位；

車(chē)號(hào)識(shí)別模塊：用于車(chē)號(hào)字符分割，同時(shí)記錄分割數(shù)目number；檢驗(yàn)分割數(shù)目number是否滿(mǎn)足實(shí)際車(chē)號(hào)字符數(shù)目；實(shí)現(xiàn)車(chē)號(hào)識(shí)別；檢驗(yàn)識(shí)別結(jié)果是否滿(mǎn)足車(chē)型先驗(yàn)知識(shí)；

所述相機(jī)和光源安裝在軌道的一側(cè)，所述車(chē)輪傳感器傳遞觸發(fā)信號(hào)至所述相機(jī)和所述光源，所述相機(jī)將圖像信息傳遞給所述處理單元。

進(jìn)一步的，所述相機(jī)采用工業(yè)CCD相機(jī)，所述光源采用LED閃光光源，或者區(qū)域光源。

進(jìn)一步的，所述相機(jī)和所述光源各設(shè)多個(gè)，所述相機(jī)和所述光源與軌道間的距離是等距離或不等距離；所述光源與地面的距離是等距離，所述相機(jī)與地面的距離是不等距離。

進(jìn)一步的，所述相機(jī)和所述光源各設(shè)1個(gè)或多個(gè)，所述光源和所述相機(jī)密閉在一個(gè)盒子里，安裝在軌道的一側(cè)，盒子底部距離地面高度2～3m，距離軌道中心的距離為2～4m。

進(jìn)一步的，所述處理單元還包括先驗(yàn)知識(shí)模塊，用于根據(jù)先驗(yàn)知識(shí)裁剪采集的圖像，得到包含車(chē)號(hào)的RIO區(qū)域；設(shè)定車(chē)號(hào)字符的高度h、寬度w和高寬比ratio先驗(yàn)知識(shí)，對(duì)車(chē)號(hào)進(jìn)行粗定位，并在車(chē)號(hào)字符分割時(shí)，將滿(mǎn)足先驗(yàn)知識(shí)的分割字符保存至數(shù)組中；檢驗(yàn)車(chē)號(hào)識(shí)別結(jié)果是否滿(mǎn)足車(chē)型先驗(yàn)知識(shí)。

本發(fā)明的有益效果為：(1)本發(fā)明的車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)結(jié)構(gòu)緊湊，安裝方便；識(shí)別正確率高，識(shí)別速率快；系統(tǒng)集成程度較高，智能程度較高，從而降低了人工依賴(lài)程度。(2)本發(fā)明的車(chē)號(hào)自動(dòng)識(shí)別方法克服了復(fù)雜光照條件下的識(shí)別問(wèn)題；RIO區(qū)域是車(chē)號(hào)出現(xiàn)的大致區(qū)域，經(jīng)過(guò)對(duì)采集圖像的裁剪得到，節(jié)省算法處理時(shí)間。本發(fā)明解決了圖像采集時(shí)光斑對(duì)于車(chē)號(hào)區(qū)域的影響，實(shí)現(xiàn)了復(fù)雜光照條件下車(chē)號(hào)字符明暗程度不一的二值化問(wèn)題；實(shí)現(xiàn)了較高的識(shí)別正確率；

附圖說(shuō)明

圖1是現(xiàn)有的一種加裝電子標(biāo)簽的車(chē)號(hào)識(shí)別系統(tǒng)結(jié)構(gòu)示意圖。

圖2是本發(fā)明實(shí)施例的相機(jī)和光源的安裝示意圖。

圖3是本發(fā)明實(shí)施例的車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)的安裝示意圖。

圖4是本發(fā)明實(shí)施例的處理單元的工作流程圖。

圖5是本發(fā)明實(shí)施例的處理單元中車(chē)號(hào)定位原理流程圖。

圖6是本發(fā)明實(shí)施例的處理單元中車(chē)號(hào)識(shí)別原理流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。

實(shí)施例1：

本實(shí)施例的車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)，包括相機(jī)2、光源3、車(chē)輪傳感器1和處理單元，相機(jī)2和光源3的安裝示意圖如圖2所示，相機(jī)2為500萬(wàn)像素工業(yè)CCD相機(jī)，延遲時(shí)間1500μS，曝光時(shí)間2000μS。光源3為L(zhǎng)ED閃光光源，光源3單個(gè)功率250W，相機(jī)2和光源3各設(shè)2個(gè)，相機(jī)2和光源3封裝在密閉的盒子4里，相機(jī)2和光源3與軌道間的距離是等距離，光源3與地面的距離是等距離，兩相機(jī)2與地面的距離是不等距離，上下擺放，盒子4寬為30cm，高為40cm，盒子4底部距離地面高度2.6m，盒子4由一根支柱5支撐，處理單元為車(chē)號(hào)定位識(shí)別系統(tǒng)。

實(shí)施例2：

本實(shí)施例的車(chē)號(hào)自動(dòng)識(shí)別系統(tǒng)現(xiàn)場(chǎng)安裝示意圖如圖3所示，所述拍攝裝置安裝在軌道的一側(cè)，相機(jī)2和光源3封裝在密閉的盒子4里，盒子4由一根支柱5支撐，所述支柱5距離軌道中心的距離為2.8m，所述車(chē)輪傳感器1傳遞觸發(fā)信號(hào)至相機(jī)2和光源3，相機(jī)2將圖像信息傳遞給處理單元。

實(shí)施例3：

所述處理單元，即車(chē)號(hào)定位識(shí)別系統(tǒng)工作流程如圖4所示，主要分為圖像預(yù)處理、車(chē)號(hào)圖像粗定位、車(chē)號(hào)圖像精確定位、車(chē)號(hào)圖像傾斜校正、車(chē)號(hào)圖像分割和車(chē)號(hào)圖像識(shí)別。

具體的，所述處理單元中定位系統(tǒng)的原理流程圖如圖5所示，步驟包括：

步驟1：圖像預(yù)處理，根據(jù)車(chē)號(hào)出現(xiàn)的大致區(qū)域?qū)D像進(jìn)行裁剪，得到ROI區(qū)域，根據(jù)車(chē)號(hào)的顏色與車(chē)身背景的差異性，提取顏色分量，將彩色圖像變?yōu)閱瓮ǖ缊D像；

步驟2：采用基于均值和方差的局部二值化方法，消除光斑等一些干擾，原理如下：

一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱(chēng)為圖像的二值化。圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺(jué)效果。

二值化是進(jìn)行識(shí)別前非常重要的一步，二值化的結(jié)果將直接影響到車(chē)號(hào)的定位與識(shí)別。通常二值化的方法分為全局二值化和局部自適應(yīng)二值化。全局二值化方法對(duì)于光照均勻，拍攝良好的圖像具有很好地效果。在實(shí)際應(yīng)用中，如在復(fù)雜光照條件下，在應(yīng)對(duì)光斑或局部光照過(guò)暗時(shí)，全局二值化，在表現(xiàn)圖像細(xì)節(jié)方面存在很大缺陷。為了彌補(bǔ)這個(gè)缺陷，本發(fā)明實(shí)例中，對(duì)步驟1得到的單通道圖像采用基于局部均值和方差的自適應(yīng)二值化算法，算法原理如下：對(duì)圖像中的的每一個(gè)點(diǎn)，在它的R×R鄰域內(nèi)，計(jì)算鄰域里的均值和方差，然后用下式計(jì)算閾值，進(jìn)行二值化：

T(x,y)＝m(x,y)+K×s(x,y)

上式中m(x,y)表示鄰域里的均值，s(x,y)表示鄰域里的方差，K為修正系數(shù)。在本發(fā)明實(shí)施例中，取31×31的鄰域，修正系數(shù)K＝1.0。

步驟3：將二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，根據(jù)車(chē)號(hào)的高度、寬度以及高寬比等先驗(yàn)知識(shí)對(duì)車(chē)號(hào)進(jìn)行粗定位；

步驟4：將粗定位得到的車(chē)號(hào)圖像再次進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，進(jìn)行邊緣檢測(cè)，然后采用霍夫變換檢測(cè)最長(zhǎng)線(xiàn)段，并計(jì)算其傾斜角度θ，根據(jù)傾斜角度θ對(duì)粗定位圖像進(jìn)行仿射變換，這樣就得到了傾斜校正后的粗定位圖像；

形態(tài)學(xué)處理：

膨脹運(yùn)算是在二值圖像中“加粗”或“加長(zhǎng)”操作，將二值圖像邊界處的背景點(diǎn)并入前景點(diǎn)。主要用于填補(bǔ)圖像中的小“空洞”和圖像邊界的凹陷區(qū)域，使圖像邊界向周?chē)鷶U(kuò)張。

腐蝕運(yùn)算是在二值圖像中“收縮”及“變細(xì)”操作，為了消除二值圖像的邊界點(diǎn)，使圖像的邊界向內(nèi)收縮。

本發(fā)明實(shí)施例當(dāng)中采用先膨脹，后腐蝕，對(duì)圖像進(jìn)行形態(tài)學(xué)處理。

步驟5：去除粗定位圖像中的噪點(diǎn)，這樣就得到了精確定位的車(chē)號(hào)圖像；

具體的，所述處理單元中識(shí)別系統(tǒng)的原理流程圖如圖6所示，步驟包括：

步驟1：車(chē)號(hào)字符分割，將精確定位的車(chē)號(hào)圖像采用最小外接矩形進(jìn)行字符分割，設(shè)定先驗(yàn)知識(shí)，即字符的高度h、寬度w和高寬比ratio，將滿(mǎn)足先驗(yàn)知識(shí)的分割字符保存至數(shù)組中，同時(shí)記錄分割數(shù)目number；

步驟2：檢驗(yàn)分割數(shù)目number是否滿(mǎn)足實(shí)際車(chē)號(hào)字符數(shù)目，如不滿(mǎn)足，則為殘缺車(chē)號(hào)，對(duì)下一張圖像重新進(jìn)行車(chē)號(hào)定位，直到發(fā)現(xiàn)完整車(chē)號(hào)；

步驟3：字符歸一化處理，將分割得到的字符歸一化為高度40行，寬度30列；

步驟4：遍歷分割字符數(shù)組，采用圖像模板匹配和特征提取算法實(shí)現(xiàn)車(chē)號(hào)自動(dòng)識(shí)別；

步驟5：檢驗(yàn)識(shí)別結(jié)果是否滿(mǎn)足車(chē)型先驗(yàn)知識(shí)，如HX系列，對(duì)下一張圖像重新進(jìn)行車(chē)號(hào)定位和識(shí)別。

以上的實(shí)施例僅為說(shuō)明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動(dòng)，均落入本發(fā)明保護(hù)范圍之內(nèi)。