原文传递
基于图像的动车组车号识别与受电弓检测
| 论文题名： | 基于图像的动车组车号识别与受电弓检测 |
| 关键词： | 动车组;车号识别;受电弓检测;图像处理 |
| 摘要： | 随着我国高铁战略的推进，我国高速铁路的技术成果和建设成就都取得了世界瞩目的成绩，社会各界对列车运行的安全问题也更为关注。由于列车通过弓网系统获取电能，弓网系统的状态好坏已成为列车提速、提高运行安全的主要制约因素，因此对弓网系统进行实时、智能监测成为了各界研究的重点。在对弓网系统进行日常检修的过程中，准确识别列车车号，能够对弓网系统的故障进行定位，及时排除列车安全隐患。因此高效准确地识别动车组车号，正确检测并提取列车受电弓图像，是受电弓滑板监测系统的基础。 本文以受电弓滑板监测装置所采集的一系列动车组图像为研究对象，以计算机视觉及图像处理技术为依托，对不同实验数据进行实验，实现了对动车组车号的自动识别与动车组受电弓图像的检测提取。 在图像预处理阶段，本文首先采用MSR算法对光照不均、分辨率不高的实验数据进行了图像增强处理。针对动车车顶俯视图像受拍摄角度影响存在倾斜畸变的问题，采用边缘检测及直线检测提取车身信息，通过透视变换对图像进行倾斜矫正。 在动车组车号检测与识别部分，本文首先采用边缘检测与Hough变换相结合的方法对全局图像进行区域划分，对划分后的区域采用MSER算法提取车号图像，并通过灭点检测对车号图像进行透视变换。然后对提取出的车号图像，提出基于轮廓检测的字符分割方法，针对粘连及断裂字符提出不同的分割方案。最后对分割好的单个字符提取HOG特征，训练SVM分类器实现字符识别。 在动车组受电弓检测部分，本文提出基于词包特征的受电弓检测算法。首先对车顶图像进行倾斜矫正;然后采用Sobel滤波与直线检测相结合的方式对受电弓区域进行粗提取;再对该区域提取词包特征，训练级联分类器准确检测受电弓图像。 本文对现有的图像数据进行测试，验证了本文方法的有效性。结果表明，使用本文方法进行动车组车号识别及受电弓检测，能够得到理想的正确率，适应性较好，具有一定工程应用价值。 |
| 作者： | 郑巧 |
| 专业： | 控制工程 |
| 导师： | 金炜东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
