数字图像处理在火车识别中的应用

随着铁路运输的不断发展,一些铁路相关技术亟需改进,文中讨论了数字图像处理技术在火车识别中的应用,重点论述了基于m atlab的图像处理,具有较强的实际应用性。

基于深度学习的高效火车号识别

基于高性能的YOLOv3目标检测算法,提出一种分阶段高效火车号识别算法.整个识别过程分为两个阶段:第一阶段在低分辨率全局图像中检测出火车号区域位置;第二阶段在局部高分辨率图像中检测出组成火车号的字符,根据字符的空间位置关系搜索得到12位火车号,并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号.另外,本文提出一种结合批一化因子和滤波器相关度的剪枝算法,通过对两个阶段检测模型的剪枝,在保证识别准确率不降(实验中略有提升)的条件下降低了存储空间占用率和计算复杂度.在现场采集的1072幅火车号图像上的实验结果表明,本文提出的火车号识别算法达到了96.92%的整车号识别正确率,平均识别时间仅为191 ms.

基于计算机视觉的火车钩挡识别

为了给运煤车喷洒抑尘剂,需要识别火车车厢之间的钩铛。基于计算机视觉的火车钩铛识别只需在站台一侧安装摄像头,对拍摄到的图像序列进行处理从而识别出钩铛。由于光照、天气等诸多因素的影响,首先采用直方图均衡算法对图像进行增强,然后提取图像的LBP纹理特征和直线特征,并进行特征融合,选用SVM (Support Vector Machine)分类器,针对不同的目标通过离线训练的方式获得SVM模型参数。针对四类目标训练了相应的SVM模型,分别为车头、车厢、钩挡和车站,对拍摄的运煤车视频图像可以实现在线识别。经过初步实验验证,提出的钩铛识别系统能够自动识别火车钩铛的开始和结束,从而控制喷洒系统,且安装简单,能够最大程度的减少抑尘剂浪费。

火车标牌识别系统的设计与实现

介绍火车标牌识别系统实现的原理及相关算法的实现。通过对一般标识识别问题的综合分析，通过应用各种加权系数，确立了以滑窗加权模板匹配法为基础的火车标牌识别算法，以及最佳的加权系数，对特定火车标牌实现了较高的识别精度，为火车标牌识别问题提供了一种切实有效的方法。

轨道衡火车车号识别系统

介绍了车号识别系统的组成及各部分功能。