一种新的货运列车车号分割算法

在对现有的货运列车车号分割算法及相关字符分割算法对比研究的基础上,文中提出并实现了一种新的货运列车车号分割算法。根据上下轮廓特征初步确定车号字符串图像的候选分割位置,然后根据字符尺寸比例和数字的弧特征,对断裂字符进行合并和对粘连字符进行再分割。该方法巧妙地避免了传统的投影分析分割法中处理粘连字符的难题,也避免了噪声对连通域的影响。与传统方法相比,具有较好的鲁棒性,达到了较高的精度和运行效率,为整个车号识别系统的精确性和稳定性提供了保障。

车号图象分割的处理研究

以数字图象为研究对象 ,在计算机二维图象及数字分割方面进行了研究 ,提出多种新方法突破传统方法的局限性 。

基于最近邻值和枚举法的车号字符分割及拼接方法

针对重度断裂的货运列车车号字符分割准确率低的问题,提出了一种基于最近邻值和枚举法的字符分割及字符拼接新方法。该方法首先进行车号区域图像预处理和获取字符投影区域边界所在列的操作,然后采用基于最近邻值和车号字符先验知识的分割方法获取车号的前5个完整字符,最后运用基于枚举法的车号断裂字符拼接方法获取车号的后5个完整字符,进而实现对整个车号的字符分割任务。实验结果表明,与现有的基于字符轮廓上下特征以及字符宽度先验知识和数字字符弧特征的字符分割方法相比,所提出的基于最近邻值和枚举法的字符分割及拼接新方法和现有方法对各类车号分割准确率的平均值分别为80.76%和95.23%;新方法和现有方法对重度断裂的车号分割准确率分别为95.83%和93.75%,新方法比现有方法的分割准确率提高了2.22%;当重度断裂的车号存在一定的旋转角度时,新方法对其分割准确率的平均值要高于现有方法,且比现有方法分割准确率的平均值提高了2.78%。

基于图像处理的城轨列车车号识别系统

针对现有射频识别标签易脱落损坏导致丢失车号的问题,提出了基于图像处理的城轨列车车号识别系统。利用工业相机拍摄城轨列车侧面车号,再采用加速稳健特征算法和变换不变低秩纹理方法对拍摄到的图片进行车号定位、校正、分割操作,利用Visual Geometry Group-16(VGG-16)网络模型对分割好的车号字符进行识别。试验结果表明,该系统具有鲁棒性好、识别准确率高等特点,能够满足城轨列车车号获取的要求。

列车车号视频识别系统

数字图像识别技术正成为当前全球的热门话题,将图像识别技术成功地运用到实践中意义重大。文中针对现有货运列车车号识别系统的不足,提出了基于计算机视觉技术的货运列车车号识别的新方法。给出了系统的硬件组成与软件总体结构,说明了硬件系统设计和设备选型的方法;阐述了车号区域定位、车号字符分割与车号识别等关键技术的实现方法。软件模型由C#编程实现,实验结果表明该系统能够自动判断火车到达与离开,能采集清晰的图像,并实现列车车号的自动识别,准确地输出车号识别结果。

列车车号识别综述

依据列车车号识别的一般步骤,分别对列车车号定位、列车车号字符分割和列车车号识别当中所运用的技术方法展开了论述,并对该方法下的实验结果进行了表述。首先论述了基于多种方法相结合的列车车号定位方法和基于深度学习的列车车号定位方法;其次论述了基于投影法的列车车号字符分割方法和基于连通域分析法的列车车号字符分割方法;然后论述了基于模板匹配、BP神经网络、支持向量机、卷积神经网络和循环神经网络的列车车号识别方法;最后对影响列车车号识别的若干因素进行了说明以及对新的、更优的列车车号识别方法进行了展望。