基于图像处理的货车车号识别在编组站的应用研究

• 作 者: 张晓丽
• 机 构: 兰州交通大学
• 出 处: 兰州交通大学
• 发表日期: 2021年01期
• 关键词: 图像处理 货车车号识别 Faster R-CNN ARLSA算法

编组站作为整个铁路货运系统中关键的一环,实现其对货车的信息化管理是实现铁路交通数字化、信息化发展的重要一步。但现有资料显示,编组站仅在出入口处对驶入、驶出车辆进行识别管理,编组站内部仍旧采用人工方式记录货车车号,工作强度大、容易产生人为误差且站内各股道的车辆分布信息仍旧空白。鉴于以上研究背景,本文提出一种基于图像处理的车号识别方法,在股道旁安装图像采集装置,记录车辆的走行路线。同时,可以通过局域网实现各部门数据共享,工作人员可以准确掌握站内车辆分布状态,及时修改调度作业,提高货车在编组站内的运转效率。本文主要针对货车车号的识别方法展开研究,主要研究内容如下:（1）对运动状态下的列车图像进行分析,从现有与本课题相关领域的国内外研究成果出发,总结了本课题需要考虑的各种因素及挑战。针对分析结果,本文将铁路车号的识别分为车号区域定位、字符分割及单个字符识别三大模块。（2）在车号区域定位模块中,利用大、小车号内容完全一致且目标较小的特点,采用Faster R-CNN（Faster Region-based Convolutional Neural Network）方法同时检测出大、小车号,其内容相互补充。分析讨论ZF、VGG16、Res Net网络作为基础特征提取网络分别定位大、小车号的效果,选择最优网络ZF作为Faster R-CNN特征提取网络。针对传统网络定位精度较低的问题,对传统算法在连接方式、建议框等方面进行改进,并设置实验对以上改进方法和当下定位方法进行对比。（3）在车号分割模块中,采用预处理方法将图像处理为二值化图像,再利用ARLSA（Adaptive Run Length Smoothing Algorithm,自适应游程算法）可将背景像素前景化的计算特点,进行双行车号的分割;对于车号字符会出现倾斜、变形等问题,利用圆的无向性进行字符分割。分割结果显示,字符断裂会造成字符错误分割,因此,采用ARLSA进行断裂消除,优化分割结果。（4）在识别模块中,采用GSO（Group Search Optimizer,群搜索优化）算法优化的BP（Back Propagation）神经网络进行识别,在本文中称为GSO-BP算法。实验结果表明,GSO-BP算法比传统BP算法具有更高的识别准确率。