對于鐵路貨車車號的特征，本文給出了一種基于圖像處理的鐵路貨車車號定位與識別方法。其先是對車號位置圖像實(shí)現(xiàn)預(yù)處理并粗定位出車號位置，接著應(yīng)用改進(jìn)的Soble算子進(jìn)行邊緣檢測與投影法以及鐵路貨車車號先驗(yàn)知識相結(jié)合對車號區(qū)域?qū)崿F(xiàn)了精準(zhǔn)定位，最終應(yīng)用模板匹配法快速實(shí)現(xiàn)了對車號的識別。最后的實(shí)驗(yàn)結(jié)果證明，這一方法對鐵路貨車各類車型車號區(qū)域定位以及識別都有著很高的準(zhǔn)確率。

【關(guān)鍵詞】圖像處理 車號定位 識別

隨著許多研究人員都對圖像處理做出深入的探索與研究，其逐漸發(fā)展成熟，這一技術(shù)也不斷應(yīng)用到各個行業(yè)。在交通運(yùn)輸行業(yè)，圖像處理技術(shù)主要被使用在車號定位及識別等方面。

Fikriye ztürk等人研究了針對字符特征提取的相關(guān)算法的車輛車號定位、識別技術(shù)；Morteza Zahedi等人研究了基于區(qū)域固定特征轉(zhuǎn)換(SIFT)的汽車牌照識別方法；S ZHANU基于現(xiàn)有的汽車車牌識別方法對其實(shí)現(xiàn)了改善和提升；黃山總結(jié)了現(xiàn)有的各類先進(jìn)的車牌識別技術(shù)，并與國內(nèi)的車牌特征相結(jié)合提出了一種符合國內(nèi)車牌的識別技術(shù)；任俊基于支撐矢量機(jī)技術(shù)提出了一種對于車輛牌照的即時(shí)分任務(wù)嵌入式技術(shù)；駱雪超等人研究了基于車牌特征信息分析的車牌識別技術(shù)；劉同焰深入分析了現(xiàn)有的車牌識別的相關(guān)技術(shù)，研究了一些有所改進(jìn)的相關(guān)算法；查志強(qiáng)對車牌識別技術(shù)中的三個關(guān)鍵環(huán)節(jié)做出了深入地分析，研究了針對字符邊緣特征的車輛號碼定位方法。

鐵路貨車車號是貨車的重要辨識特征，其與貨車的完整運(yùn)行流程相伴，而車號識別在鐵路的運(yùn)營過程中起到了非常關(guān)鍵的作用，因此精準(zhǔn)的識別貨車車號使其進(jìn)入信息系統(tǒng)是一個至關(guān)重要的過程。在鐵路貨車車號識別方面，陳春雷等人研究了基于視頻的鐵路列車車號的識別技術(shù)，通過圖像的色彩信息精準(zhǔn)實(shí)現(xiàn)車輛車牌圖像定位分割以及基于像素面積理論的搜索技術(shù)；楊大志研究了基于顏色空間及灰度形態(tài)學(xué)的車號定位技術(shù)；趙入賓對于鐵路貨車在戶外運(yùn)行過程中車號部分易于受沙塵或其他雜物的污染情況，做出了有關(guān)的研究。

上面的圖像處理技術(shù)在鐵路貨車車號的定位和識別方面都做出了較為深入的探索，但是圖像采集過程中具有繁多的信息，假如處理方法不到位，就算能夠做到車號的定位和識別，處理速率也不會很快。所以，本文應(yīng)用了一種先進(jìn)的方法，能夠完成鐵路貨車車號的快速定位和識別。

1 車號預(yù)處理過程

為了有效提升車號定位、識別的準(zhǔn)確性，在對收集到的車號圖像實(shí)現(xiàn)定位前，對其實(shí)現(xiàn)預(yù)處理，以去除其中不相干的干擾，提高相關(guān)信息的可用性并盡可能地簡化信息。車號預(yù)處理過程的效果對車號后面進(jìn)一步的處理有著很大的影響，例如車號字符分割等。下面的預(yù)處理過程主要包括圖像灰度均衡化、車號區(qū)域粗定位以及對投影的平滑處理等相關(guān)程序。

1.1 圖像灰度均衡化

在這里，應(yīng)用傳統(tǒng)的加權(quán)平均值法和直方圖，使得圖像的灰度直方圖映射變得更加均勻，實(shí)現(xiàn)圖像對比度整體上的提高。

1.2 車號區(qū)域粗定位

對于車號區(qū)域粗定位使用紋理分析法，車號區(qū)域內(nèi)有著統(tǒng)一性的許多字符水平規(guī)則地排列且有間斷的特征，所以在車號的矩形區(qū)域內(nèi)有著足夠的邊緣信息，字符垂直邊緣與水平邊緣相比更為密集，凸顯出規(guī)則的紋理特點(diǎn)。

文中基于車號的持續(xù)性排序特點(diǎn)，將從目標(biāo)到背景或者反過來定為一個跳變，車號域與別的非車號區(qū)域相比跳變要多，而且間隔在一定區(qū)域內(nèi)的跳變數(shù)量也大過非車號區(qū)域。使用從下到上的排序掃描，對圖像的每一行實(shí)現(xiàn)從左向右的掃描，遇到跳變點(diǎn)記下所在區(qū)域，假如某行遇到持續(xù)二十個跳變點(diǎn)以上，而且兩個跳變點(diǎn)的距離在三十個像素內(nèi)，就記下開始點(diǎn)以及停止點(diǎn)位置；假如持續(xù)有十行以上如此的跳變點(diǎn)，就認(rèn)定這一區(qū)域即是車號預(yù)選區(qū)域。

1.3 對投影的平滑處理

車號圖像在收集或傳遞過程中往往遭受許多噪聲的影響。為了抑制噪聲提升圖像水平，就要實(shí)現(xiàn)平滑操作。此處應(yīng)用的是離散高斯平滑算法對其實(shí)現(xiàn)相關(guān)平滑操作。

經(jīng)過上面一系列對車號圖像相關(guān)的預(yù)處理，使得因?yàn)楣饩€及環(huán)境等外界原因?qū)е碌膱D像過暗或?qū)Ρ榷炔粡?qiáng)烈等情況獲得較好的改善，便于之后的處理。

2 應(yīng)用多種方法結(jié)合的車號定位

車號定位是車號識別技術(shù)中的重要環(huán)節(jié)，車號定位是否精準(zhǔn)對之后車號識別的精確率有很大影響。對于棚車貨車圖形區(qū)域繁復(fù)性、車號位置的不準(zhǔn)確性以及外界的變化性等特征，應(yīng)用多種方法結(jié)合的車號定位。

2.1 改進(jìn)的Soble算子進(jìn)行邊緣檢測

首先要做的是對圖像實(shí)現(xiàn)邊緣檢測。因?yàn)檐囂栁恢脙?nèi)有著很多的邊緣，而且在垂直方位上是持續(xù)的，經(jīng)過邊緣檢測操作，能夠削減車號之外區(qū)域，進(jìn)而分開定位區(qū)域與其他區(qū)域。此處使用了一種改進(jìn)的Soble算子進(jìn)行邊緣檢測。

之前的Soble算子包括兩個3X3的矩陣，也就是僅有水平以及垂直兩個方位，但是邊緣檢測是多個方位的，為了運(yùn)用方便，常常在之前的Soble算法模板的前提下加進(jìn)6個方位，變作8方位，進(jìn)而提升邊緣檢測的效果。

2.2 投影法的使用

基于以上方法，與投影法和車號先驗(yàn)特征相結(jié)合精準(zhǔn)地定位車號區(qū)域。先是經(jīng)過水平方向?qū)崿F(xiàn)自上而下的對圖像來逐行掃描，把每一行的值加起來。在明確車號左右范圍時(shí)，使用垂直投影使垂直方位的定位相對噪音降低。利用垂直投影，基于車號區(qū)域的較為集中的特征定位車號左右范圍，如此就獲得較多的候選車號區(qū)域。

2.3 車號先驗(yàn)知識

經(jīng)過研究，棚車主要具有以下特征:

（1）棚車車號是七位數(shù)字；

（2）車號長、高的比例大約是7:1；

（3）車型(P70)一般是在車號上方；

（4）車型為三個字符，車型長高比為1.3:1。

依據(jù)上面的（1）和（2）對多個車號候選區(qū)域?qū)崿F(xiàn)分析，精準(zhǔn)的判斷出車號位置，接著應(yīng)用改進(jìn)的Soble算子以及其他方法相結(jié)合的定位技術(shù)，按照特征（3）和（4）精準(zhǔn)定位出車種車型區(qū)域。

在實(shí)現(xiàn)了車號、車型區(qū)域的定位后，將其二值化，使其都變成黑底白字的二值圖像，便于下一步的字符分割處理。

3 鐵路貨車車號識別

3.1 字符分割和歸一化處理

實(shí)現(xiàn)車號定位之后，可將獲得的車號再接著實(shí)現(xiàn)字符分割。因?yàn)樽址诖怪狈轿簧系耐队翱隙ㄊ俏惶幵谧址g或字符內(nèi)的間隔處獲得區(qū)域最小值的旁邊，而且這個區(qū)域應(yīng)符合車輛牌照的字符表示格式、字符、長短限制和某些別的元素，所以應(yīng)用垂直投影法對圖像中的字符進(jìn)行分割效果較好。

不過，因?yàn)榕臄z狀況、列車行駛速度、車號位置不清楚等因素，造成之前獲得的車號具有字符粘連情況，而往往字符的粘連處就處在鄰接字符的間隔處，根據(jù)在字符粘連處車號垂直投影值很小這一特點(diǎn)，能夠利用區(qū)域閩值的設(shè)計(jì)來獲得垂直投影的最低值，如此就能夠精準(zhǔn)地獲得到字符的粘連處。

在識別字符之前，要把分割出來的字符實(shí)現(xiàn)歸一化處理，以保證字符的準(zhǔn)確性。一方面，把字符區(qū)域中心化。使用方法是查詢字符上下左右界限小標(biāo)，以此映射字符完整圖像，把字符之外的區(qū)域都除去，使字符布滿完整圖像。另一方面，出現(xiàn)的像素可能在圖像中找不到相關(guān)的像素點(diǎn)，如此就需要應(yīng)用插值處理的辦法使字符大小準(zhǔn)確化。此處應(yīng)用內(nèi)插法，也就是雙線差值變換法實(shí)現(xiàn)字符大小標(biāo)準(zhǔn)化操作。

3.2 車號識別

對車號的識別這里應(yīng)用的是粗網(wǎng)格特征提取法，把車號分成NXN維網(wǎng)格，計(jì)算每個網(wǎng)格中的像素?cái)?shù)，而網(wǎng)格又代表了車號的某一特征，在識別期間，把每個網(wǎng)格聯(lián)合起來當(dāng)作統(tǒng)計(jì)特征并通過它來識別車號。

針對棚車車號無漢字、英文字母很少并且多是數(shù)字的特性，在上面的方法的基礎(chǔ)上，應(yīng)用模板匹配法來識別車號字符。在獲得車號字符特征后，構(gòu)建標(biāo)準(zhǔn)字庫，接著將待識別字符通過輸入分類器中實(shí)現(xiàn)歐式距離比較，進(jìn)而選取離最小的樣本類別當(dāng)作待識別樣本。

4 結(jié)語

在本文的實(shí)驗(yàn)中，按比例縮減后制做了門架及各種小車，在其上面裝設(shè)了簡單遙控器，使其能勻速經(jīng)過門架。并且在其上面和左右兩邊裝設(shè)了三個攝像頭，當(dāng)小車經(jīng)過門架下面時(shí)，可獲取實(shí)驗(yàn)小車左右兩邊車輛的圖像。按照車號先驗(yàn)知識實(shí)現(xiàn)車號位置定位后，應(yīng)用字符分割和歸一化處理，可完成對實(shí)驗(yàn)小車車種車號的識別作用。

鐵路貨物車輛的類型多樣，除了棚車(P)外，還包含了敞車(C)、平車(N)和罐車(U)等。在實(shí)驗(yàn)許可下，本文所提出的辦法能夠完成對鐵路各種貨車的車號定位、字符分割和車種車號識別。在鐵路現(xiàn)實(shí)使用中，當(dāng)外界環(huán)境不佳時(shí)，如大風(fēng)、雨雪天氣或塵土天氣，會給圖像識別造成很大的干擾，這就必須充足的照明設(shè)備來確保圖像的拍攝成效。

當(dāng)前，鐵路總運(yùn)量的八成左右來自于鐵路專用線和專用鐵路，而這些車輛的貨車車號自動識別非常差，所以本文的方法有著廣泛的使用前景和較好的社會經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1]張婷曼,閆文耀,王慶.基于圖像處理的車牌定位及字符識別算法研究[J].現(xiàn)代雷達(dá),2014,36(08):26-30.

[2]蔡杰.數(shù)字圖像處理技術(shù)在車牌定位中的應(yīng)用[J].遼東學(xué)院學(xué)報(bào)(自然科學(xué)版),2014,21(04):278-283.

[3]高軍,朱宏輝.數(shù)字圖像處理技術(shù)在車牌識別系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)光盤軟件與應(yīng)用,2014(04):18-20.

[4]陳春雷,王陽萍,祝詠升,等.基于視頻列車車號識別系統(tǒng)的研究[J].蘭州交通大學(xué)學(xué)報(bào),2007,26(06):99-102.

作者簡介

馬凌宇(1982-)，男，吉林省四平市人。碩士研究生學(xué)歷?，F(xiàn)為哈爾濱市科佳通用機(jī)電股份有限公司經(jīng)理、中級職稱，研究方向?yàn)閳D像處理、模式識別、機(jī)器視覺、深度學(xué)習(xí)。

作者單位

哈爾濱市科佳通用機(jī)電股份有限公司 黑龍江省哈爾濱市 150001