[發(fā)明專利]一種適用于軌道沿線復雜場景下的桿號定位和識別方法

有效

• 申請?zhí)枺?/td>: 201410010810.5
• 申請日: 2014-01-09
• 公開（公告）號: CN104298993B
• 公開（公告）日: 2018-11-09
• 發(fā)明（設計）人: 張晨民;趙慧琴;彭天強
• 申請（專利權）人: 鄭州金惠計算機系統(tǒng)工程有限公司
• 主分類號: G06K9/54
• 分類號: G06K9/54
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 胡泳棋

1.一種適用于軌道沿線復雜場景下的桿號定位方法，其特征在于，該定位方法包括以下步驟：

1)采集軌道沿線的場景圖像，并對采集的場景圖像進行預處理，使圖像便于分割和識別；

2)對預處理后的圖像進行邊緣提取，根據所求的位置反推到初始采集圖像位置，確定電線桿區(qū)域；

3)利用號碼牌共生矩陣紋理特征，將桿號的數(shù)字區(qū)域定位出來；

所述步驟1)中的預處理由圖像縮小和濾波兩個步驟構成，其中圖像縮小是根據圖像中電線桿的寬度進行縮小；所述圖像縮小用以通過縮小來消除雜質；

所述步驟2)包括以下步驟：

A.對預處理后的圖像進行邊緣提取；

B.采用霍夫變換求取所提取邊緣的最大直線，并計算直線角度；

C.根據所求最大直線的位置反推到初始采集圖像位置，以所求直線為中心，左右各擴展一倍電線桿寬度，得到初步電線桿區(qū)域；

D.將步驟C中得到圖像按照步驟計算的角度進行旋轉，使電線桿在圖像中處于豎直方向；

E.根據數(shù)值投影用局部極大值確定電線桿的左邊緣和右邊緣，左右邊緣之間的區(qū)域稱之為電線桿區(qū)域。

2.根據權利要求1所述的適用于軌道沿線復雜場景下的桿號定位方法，其特征在于，所述步驟3)中的共生矩陣表示的是兩個位置的像素聯(lián)合概率密，用于反應圖像灰度關于方向、相鄰間隔和變化幅度的綜合信息，f(x,y)為一幅二維數(shù)字圖象，其大小為M×N，灰度級別為Ng，則滿足一定空間關系的灰度共生矩陣為：

P(i,j)＝#{(x1,y1),(x2,y2)∈M×N|f(x1,y1)＝i,f(x2,y2)＝j}

其中#(x)表示集合x中的元素個數(shù)，P為Ng×Ng的矩陣，若(x1,y1)與(x2,y2)間距離為d，兩者與坐標橫軸的夾角為θ，各種間距及角度的灰度共生矩陣P(i,j,d,θ)。

3.一種適用于軌道沿線復雜場景下的桿號識別方法，其特征在于，該識別方法包括以下步驟：

1)采集軌道沿線的場景圖像，并對采集的場景圖像進行預處理，使圖像便于分割和識別；

2)對預處理后的圖像進行邊緣提取，根據所求的位置反推到初始采集圖像位置，確定電線桿區(qū)域；

3)利用號碼牌共生矩陣紋理特征，將桿號的數(shù)字區(qū)域定位出來；

4)將定位出來的數(shù)字圖像進行濾波、二值化和分割得到每個數(shù)字圖像的64維特征，用訓練模型進行識別，確定桿號；

所述步驟1)中的預處理由圖像縮小和濾波兩個步驟構成，其中圖像縮小是根據圖像中電線桿的寬度進行縮小；所述圖像縮小用以通過縮小來消除雜質；

所述步驟2)包括以下步驟：

A.對預處理后的圖像進行邊緣提取；

B.采用霍夫變換求取所提取邊緣的最大直線，并計算直線角度；

C.根據所求最大直線的位置反推到初始采集圖像位置，以所求直線為中心，左右各擴展一倍電線桿寬度，得到初步電線桿區(qū)域；

D.將步驟C中得到圖像按照步驟計算的角度進行旋轉，使電線桿在圖像中處于豎直方向；

E.根據數(shù)值投影用局部極大值確定電線桿的左邊緣和右邊緣，左右邊緣之間的區(qū)域稱之為電線桿區(qū)域；

F.對確定的電線桿區(qū)域進行共生矩陣計算，找到紋理特征最相近的區(qū)域。

4.根據權利要求3所述的適用于軌道沿線復雜場景下的桿號識別方法，其特征在于，所述的識別方法還包括對所識別出的桿號進行自校正的步驟，該步驟首先對桿號進行統(tǒng)計，得到該桿號的奇偶性和增減性，再根據人工確定的起始桿號生成正確的桿號序列，然后與實際識別出的桿號進行匹配，對于實際中漏掉的桿號進行插值，并推算出漏檢桿號對應的幀數(shù)。

5.根據權利要求3所述的適用于軌道沿線復雜場景下的桿號識別方法，其特征在于，所述步驟4 )中的桿號識別包括以下步驟：

a.采集圖像的桿號區(qū)域進行整理，作為訓練樣本；

b.對圖像進行二值化處理；

c.將二值化后的圖像進行水平投影，切割出每個數(shù)字圖像；

d.將切割出來的每個數(shù)字圖像縮放成8*8大小，提取64維特征，用訓練模型進行識別。

6.根據權利要求5所述的適用于軌道沿線復雜場景下的桿號識別方法，其特征在于，所述步驟d中的訓練模型是通過離線訓練得到，所述離線訓練包括以下步驟：

a)采集圖像的桿號區(qū)域圖像進行人工整理，作為訓練樣本；

b)采用最大類間方差法將圖進行二值化；

c)將二值化的圖像進行水平投影，切割出每個數(shù)字圖像，搜集0-9共10類數(shù)字圖像；

d)將切割出來的10類數(shù)字圖像縮放成8*8大小，提取64維特征，通過支持向量機對特征進行訓練，得到每個數(shù)字的訓練模型。