CN106599894A - 一种基于图像识别的接触网杆号识别方法 - Google Patents

一种基于图像识别的接触网杆号识别方法 Download PDF

Info

Publication number
CN106599894A
CN106599894A CN201611223139.8A CN201611223139A CN106599894A CN 106599894 A CN106599894 A CN 106599894A CN 201611223139 A CN201611223139 A CN 201611223139A CN 106599894 A CN106599894 A CN 106599894A
Authority
CN
China
Prior art keywords
contact net
image
bar
pole number
line system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611223139.8A
Other languages
English (en)
Inventor
朱挺
吴立群
朱有桃
陈国辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Science & Technology Inst Shanghai Railway Bureau
Original Assignee
Science & Technology Inst Shanghai Railway Bureau
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Science & Technology Inst Shanghai Railway Bureau filed Critical Science & Technology Inst Shanghai Railway Bureau
Priority to CN201611223139.8A priority Critical patent/CN106599894A/zh
Publication of CN106599894A publication Critical patent/CN106599894A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • G06V30/2528—Combination of methods, e.g. classifiers, working on the same input data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及铁路基础设施检测技术领域，尤其是一种基于图像识别的接触网杆号识别方法，其特征在于：所述方法至少包括以下步骤：通过统计所述接触网杆号牌图像在一定灰度值范围内横向和纵向列上的像素点个数，判断所述接触网杆号牌图像中是否包含完整杆号图像，并实现杆号子图的分割；对包含完整杆号图像的所述接触网杆号牌图像进行预处理，得到代表接触网杆号的字符；采用十三点特征提取法提取所述字符中的特征；应用模式识别理论简化贝叶斯判别函数对所提取的特征进行分类识别，从而得到所述接触网杆号牌图像中的接触网杆号。本发明的优点是：算法可靠，效率较高，误判率低；使用方便，自动化程度高。

Description

一种基于图像识别的接触网杆号识别方法
技术领域
本发明涉及铁路基础设施检测技术领域，尤其是一种基于图像识别的接触网杆号识别方法。
背景技术
随着铁路基础设施建设的迅速发展以及人们对铁路运输安全和运行品质的高要求，铁路相关部门需在天窗内对铁路基础设施进行实时检测和及时维修，以确保列车运行安全。
铁路基础设施检测是运输安全的重要保障，包含各个专业的检测内容，如轨道巡检、轨道探伤、轨道几何参数、接触网几何参数检测、接触悬挂支柱装置检测等等。用于铁路检测中的定位技术如：基于卫星***的定位方法，定位精度较低，当列车在隧道中无法接收卫星信号，同时不能区分两组并行的轨道；基于速度编码器的里程累加定位，受到轮径磨损，车轮空转和滑行等外在因素影响，定位不准确；基于测速的定位方法，存在较大的累计误差。基于应答器的定位方法，成本高，不能准确定位具***置；基于RFID无线射频技术的定位方法，标签间隔大，成本高，且两个标签中间的线路数据里程无法精确定位。
目前，各工区段一般按照检测车的病害报告对检测项目的缺陷、病害点进行复核、整治、修复，在有限的天窗维修时间内，由于检测出的缺陷位置存在一定的定位偏差，需花费大量时间查找，这严重影响到现场维护人员的作业效率，增加工作强度，造成人力物力的浪费。因此定位信息的准确度直接影响到线路病害的排查能力和效率，影响列车行驶安全。
发明内容
本发明的目的是根据上述现有技术的不足，提供了一种基于图像识别的接触网杆号识别方法，采用横向和纵向投影区分完整的杆号图片和分割杆号子图，对图像进行二值化，倾斜矫正，行字切分等预处理，同时通过十三点特征提取杆号图形的数字识别特征，并应用模式识别理论简化贝叶斯判别函数分类识别杆号数字；此外，通过比对已识别杆号前、后基础杆号数据，对已识别杆号进行检验修正，确保正确识别杆号。利用该方法识别的杆号，融合检测车上安装的编码器里程数据，得到较为准确的定位信息，提高现场维护人员检修效率。
本发明目的实现由以下技术方案完成：
一种基于图像识别的接触网杆号识别方法，用于对拍摄到的接触网杆号牌图像进行识别，其特征在于：所述方法至少包括以下步骤：
通过统计所述接触网杆号牌图像在一定灰度值范围内横向和纵向列上的像素点个数，判断所述接触网杆号牌图像中是否包含完整杆号图像，并实现杆号子图的分割；
对包含完整杆号图像的所述接触网杆号牌图像进行预处理，得到代表接触网杆号的字符；
采用十三点特征提取法提取所述字符中的特征；
应用模式识别理论简化贝叶斯判别函数对所提取的特征进行分类识别，从而得到所述接触网杆号牌图像中的接触网杆号。
所述图像预处理步骤至少包括对所述接触网杆号牌图像进行二值化，倾斜矫正，行字切分处理。
所述倾斜矫正指的是，采用直线的Hough变换算出所述接触网杆号牌图像中的倾斜角度，并根据算出的倾斜角度旋转所述接触网杆号牌图像。
所述十三点特征提取法指的是，将字符平均分成八份，统计每一份内黑色像素点的个数作为八个特征，然后统计水平方向中间两列和竖直方向中间两列的黑色像素点的个数作为四个特征，最后统计所有黑色像素点的个数作为一个特征。
通过比对已识别接触网杆号的前、后基础杆号数据，对已识别的接触网杆号进行误判修正。
本发明的优点是：算法可靠，效率较高，误判率低；使用方便，自动化程度高。
附图说明
图1为本发明的识别流程图；
图2为本发明中自适应误判修正流程图；
图3为本发明中杆号图像的横向和纵向投影图；
图4为本发明中杆号图像的预处理效果示意图；
图5为本发明中字符切分投影曲线图；
图6为本发明中切分后的字符效果图；
图7为本发明中十三点特征提取原理图。
具体实施方式
以下结合附图通过实施例对本发明特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：
实施例：本实施例中基于图像识别的接触网杆号用于对拍摄的接触网杆号图像进行识别，以识别图像中的接触网杆号。如图1所示，识别方法包括以下步骤：
一、判断所拍摄的接触网杆号图像中所否包含完整的杆号
对所拍摄的接触网杆号图像进行数字图像处理，统计图像在一定灰度值范围内横向和纵向列上的像素点个数，并根据个数将其绘制成曲线，当坐标系中横、纵投影曲线有一个不完整时，表明杆号图像拍摄不完整，图3（a）中代表不完整杆号，应将其去除，反之，图3（b）中代表完整杆号图像，应将其保留了。根据横向投影和纵向投影确定杆号边沿位置，确保数字图像的完整性，同时也实现了杆号子图的分割，如图4中的（a）所示。
二、对经过步骤一判断的接触网杆号图像进行预处理
1）二值化
采用全局阈值法把接触网杆号的字符灰度图像处理成二值图像，来区分接触网杆号图像中的对象和背景，同时能显著减小数据存储的容量，能够降低后续处理的复杂度，经二值化处理的杆号如图4（b）所示。
2）倾斜矫正
设计采用了直线的Hough 变换检测，将倾斜角度找到，找到后根据所计算的倾斜角度对图像进行旋转。但当倾斜角度过大时，程序可能无法实现一次旋转到位，此时可采用直线的Hough变换检测多次检查角度，配合多次旋转的方式将图像矫正。调节效果如图4(c)所示。
3）字符的切分
灰度图像经过二值化处理后，文字图像就变成了一些二值数字信号，采用投影法对字符进行切分，即利用字符间的空隙在直方图上呈现波谷状进行字符的切分。图4（c）的投影如图5所示，投影曲线中间两个波峰即对应了字符间的空隙位置，据此切分后字符如图6所示。
三、特征提取
采用十三点特征提取法来对切分后的字符进行特征提取，即从切分后的字符上提取能够代表数字的十三个点作为数字的识别特征。
如图7所示，把切分后的单个字符平均分成八份，统计这八份内每一份内黑色像素点的个数作为八个特征，如图7(a)中所示的八份；然后统计水平方向中间两列和竖直方向中间两列的黑色像素点的个数作为四个特征，如图7(b)、(c)所示；最后统计所有黑色像素点的个数作为一个特征，总计十三个特征。
四、分类识别
根据模式识别的理论，如果一个模式近似于正态分布并且各个类别的先验概率和协方差矩阵都相等的条件时，贝叶斯判别函数简化为式（1）：
其中：
为X到类的均值向量的欧氏距离。分类方法如式（2）所示：
若 （2）
这种分类器称最小距离分类器。最小距离分类器构造简单，标准样本值作为各类均值和各类别的代表，距离作为判别函数。这时的决策规则变为：如果X到期望向量的欧氏距离最小，则将X分到类中。在应用时，先形成特征矢量，再计算出最小距离的模板作为分类结果。通过上述分类器对步骤三所提取的十三个特征进行分类识别，得到十三个特征所代表的数字，进而再进一步组合各分割的字符，得到接触网杆号。
本实施例在具体实施时：为了进一步避免误判，可以在对图像的识别完成之后再加入自适应误判修正步骤。具体而言，如图2所示，当智能识别完接触网杆号图像中的数字之后，根据前、后基础杆号判断所识别的杆号是否为正确杆号，如果是，则输出正确杆号，如果否则进行自适应修正。
基础杆号指的是线路现有杆号排列分布，具有连续特征，例如本实施例中所举例的杆号为041，那么其前方杆号一般为039，后方杆号一般为043，此时可能会出现以下误判：1）误判的杆号为数字识别错误，可根据前一正确杆号，在没有漏检杆号的情况下，直接修正，并根据后一杆号进一步确认。即误判的杆号破坏了杆号之间的连续性，此时，根据前、后的杆号对误判的杆号进行修正，使其满足杆号之间的连续性。2）当前一个杆号缺、漏识别时，此杆号为正确，却根据基础杆号将其改错，此时通过后一杆号的正确识别将该杆号重新修正。

Claims (5)

1.一种基于图像识别的接触网杆号识别方法，用于对拍摄到的接触网杆号牌图像进行识别，其特征在于：所述方法至少包括以下步骤：
通过统计所述接触网杆号牌图像在一定灰度值范围内横向和纵向列上的像素点个数，判断所述接触网杆号牌图像中是否包含完整杆号图像，并实现杆号子图的分割；
对包含完整杆号图像的所述接触网杆号牌图像进行预处理，得到代表接触网杆号的字符；
采用十三点特征提取法提取所述字符中的特征；
应用模式识别理论简化贝叶斯判别函数对所提取的特征进行分类识别，从而得到所述接触网杆号牌图像中的接触网杆号。
2.根据权利要求1所述的一种基于图像识别的接触网杆号识别方法，其特征在于：所述图像预处理步骤至少包括对所述接触网杆号牌图像进行二值化，倾斜矫正，行字切分处理。
3.根据权利要求2所述的一种基于图像识别的接触网杆号识别方法，其特征在于：所述倾斜矫正指的是，采用直线的Hough变换算出所述接触网杆号牌图像的倾斜角度，并根据算出的倾斜角度旋转所述接触网杆号牌图像。
4.根据权利要求1所述的一种基于图像识别的接触网杆号识别方法，其特征在于：所述十三点特征提取法指的是，将字符平均分成八份，统计每一份内黑色像素点的个数作为八个特征，然后统计水平方向中间两列和竖直方向中间两列的黑色像素点的个数作为四个特征，最后统计所有黑色像素点的个数作为一个特征。
5.根据权利要求1所述的一种基于图像识别的接触网杆号识别方法，其特征在于：通过比对已识别接触网杆号的前、后基础杆号数据，对已识别的接触网杆号进行误判修正。
CN201611223139.8A 2016-12-27 2016-12-27 一种基于图像识别的接触网杆号识别方法 Pending CN106599894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611223139.8A CN106599894A (zh) 2016-12-27 2016-12-27 一种基于图像识别的接触网杆号识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611223139.8A CN106599894A (zh) 2016-12-27 2016-12-27 一种基于图像识别的接触网杆号识别方法

Publications (1)

Publication Number Publication Date
CN106599894A true CN106599894A (zh) 2017-04-26

Family

ID=58604375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611223139.8A Pending CN106599894A (zh) 2016-12-27 2016-12-27 一种基于图像识别的接触网杆号识别方法

Country Status (1)

Country Link
CN (1) CN106599894A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509950A (zh) * 2018-03-27 2018-09-07 吴泽彬 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN108710878A (zh) * 2018-04-18 2018-10-26 武汉工程大学 一种铁路接触网支柱号牌字符分割方法及***
CN110728687A (zh) * 2019-10-15 2020-01-24 卓尔智联(武汉)研究院有限公司 文件图像分割方法、装置、计算机设备和存储介质
CN110728269A (zh) * 2019-12-17 2020-01-24 西南交通大学 一种高铁接触网支柱杆号牌识别方法
CN114462646A (zh) * 2022-03-15 2022-05-10 成都中轨轨道设备有限公司 一种基于接触网安全巡检的杆号牌识别方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5995639A (en) * 1993-03-29 1999-11-30 Matsushita Electric Industrial Co., Ltd. Apparatus for identifying person
CN101567041A (zh) * 2009-05-25 2009-10-28 公安部交通管理科学研究所 基于三维投影的机动车号牌图像的字符识别方法
CN102902974A (zh) * 2012-08-23 2013-01-30 西南交通大学 一种基于图像的铁路接触网杆柱标识信息的识别方法
CN105930839A (zh) * 2015-11-11 2016-09-07 湖南华宏铁路高新科技开发有限公司 一种电气化铁路接触网支柱杆号智能识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5995639A (en) * 1993-03-29 1999-11-30 Matsushita Electric Industrial Co., Ltd. Apparatus for identifying person
CN101567041A (zh) * 2009-05-25 2009-10-28 公安部交通管理科学研究所 基于三维投影的机动车号牌图像的字符识别方法
CN102902974A (zh) * 2012-08-23 2013-01-30 西南交通大学 一种基于图像的铁路接触网杆柱标识信息的识别方法
CN105930839A (zh) * 2015-11-11 2016-09-07 湖南华宏铁路高新科技开发有限公司 一种电气化铁路接触网支柱杆号智能识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱挺: ""基于接触网支柱号在线智能识别定位技术研究"", 《上海铁道科技》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509950A (zh) * 2018-03-27 2018-09-07 吴泽彬 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN108509950B (zh) * 2018-03-27 2021-07-27 南京智莲森信息技术有限公司 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN108710878A (zh) * 2018-04-18 2018-10-26 武汉工程大学 一种铁路接触网支柱号牌字符分割方法及***
CN108710878B (zh) * 2018-04-18 2021-11-26 武汉工程大学 一种铁路接触网支柱号牌字符分割方法及***
CN110728687A (zh) * 2019-10-15 2020-01-24 卓尔智联(武汉)研究院有限公司 文件图像分割方法、装置、计算机设备和存储介质
CN110728687B (zh) * 2019-10-15 2022-08-02 卓尔智联(武汉)研究院有限公司 文件图像分割方法、装置、计算机设备和存储介质
CN110728269A (zh) * 2019-12-17 2020-01-24 西南交通大学 一种高铁接触网支柱杆号牌识别方法
CN114462646A (zh) * 2022-03-15 2022-05-10 成都中轨轨道设备有限公司 一种基于接触网安全巡检的杆号牌识别方法及***
CN114462646B (zh) * 2022-03-15 2022-11-15 成都中轨轨道设备有限公司 一种基于接触网安全巡检的杆号牌识别方法及***

Similar Documents

Publication Publication Date Title
CN106599894A (zh) 一种基于图像识别的接触网杆号识别方法
CN107617573B (zh) 一种基于多任务深度学习的物流编码识别和分拣方法
CN110210409B (zh) 表格单据中表格框线检测方法及***
CN102854191B (zh) 高速铁轨表面缺陷的实时视觉检测与识别方法
CN104298976B (zh) 基于卷积神经网络的车牌检测方法
CN102902974B (zh) 一种基于图像的铁路接触网杆柱标识信息的识别方法
CN110866430B (zh) 一种车牌识别方法及装置
CN111260629A (zh) 基于图像处理的受电弓结构异常检测算法
EP2189944A1 (en) Image processing device and image processing method
CN107958201A (zh) 一种车辆年检保险单表格的智能检测***及方法
CN105203552A (zh) 一种360°踏面图像检测***及其检测方法
CN109800752B (zh) 一种基于机器视觉的汽车车牌字符分割识别算法
CN105424330A (zh) 一种货车轴端螺栓故障检测方法及装置
CN103902981A (zh) 一种基于字符融合特征的车牌字符识别方法及***
CN112329587B (zh) 饮料瓶的分类方法、装置及电子设备
CN111539330B (zh) 一种基于双svm多分类器的变电站数显仪表识别方法
CN111242002B (zh) 基于计算机视觉的共享单车规范化停放判定方法
CN107273802A (zh) 一种铁路列车闸瓦钎环故障的检测方法及装置
CN111079734B (zh) 铁路货车三角孔异物检测方法
CN111460924B (zh) 一种基于目标检测的闸机通过逃票行为检测方法
CN103426004A (zh) 基于纠错输出编码的车型识别方法
CN114463362A (zh) 一种基于深度学习的三维避碰声呐障碍物检测方法及***
CN101718527A (zh) 一种基于图像识别计算尾矿库干滩长度的方法
CN110378337B (zh) 金属切削刀具图纸标识信息视觉输入方法及***
CN115656962A (zh) 一种基于毫米波雷达识别限高物体的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 251 Tianmu East Road, Jingan District, Shanghai

Applicant after: INSTITUTE OF SCIENCE AND TECHNOLOGY, CHINA RAILWAY SHANGHAI GROUP CO.,LTD.

Address before: No. 251 Tianmu East Road, Jingan District, Shanghai

Applicant before: SHANGHAI RAILWAY BUREAU TECHNOLOGY CENTER

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426