轨道车辆编号识别方法及系统技术方案

本发明专利技术涉及一种轨道车辆编号识别方法及系统,包括：利用图像采集器采集车头的照片，将所述照片转换为二值图像，对所述二值图像依次进行高帽变换、膨胀操作以及中值滤波；通过编号的长宽比初步确定编号所在的区域，将其作为样本，通过支持向量机对样本进行训练，得到编号所在的实际区域；对得到的实际区域的车牌照片中的每位数字进行分割；构建数字识别的深度残差网络模型，对分割后的每一位数字进行识别。本发明专利技术有效提高车辆编号的识别准确率，而且抗干扰能力强、鲁棒性好。

【技术实现步骤摘要】
轨道车辆编号识别方法及系统
本专利技术涉及数字图像处理的
，尤其是指一种轨道车辆编号识别方法及系统。
技术介绍
车辆编号识别在交通运输中得到了广泛的应用，其识别的准确性会直接影响到交通的运行状态及其安全状况。现代的车号识别技术主要针对传统汽车，对于轨道车辆车号识别的技术鲜少。由于轨道车辆车头构造的复杂以及图案的复杂性，从现场采集的车头照片包含大量无用信息，采用传统的车号识别技术效果不佳，要判别的区域多，计算量大，从而严重影响了车辆编号的识别。目前已发展了许多车辆编号识别方法，可是现有方法因为其自身的局限性，如添加过多层后训练误差上升以及梯度消失等问题，导致其应用范围受限。假设输入是x，传统的卷积神经网络考虑训练得到映射f(x)，在得到映射f(x)的过程中，会出上述问题，从而导致车辆编号的识别准确率低的问题。
技术实现思路
为此，本专利技术所要解决的技术问题在于克服现有技术中车辆编号的识别准确率低的问题，从而提供一种车辆编号的识别准确率高的轨道车辆编号识别方法及系统。为解决上述技术问题，本专利技术的一种轨本文档来自技高网...

【技术保护点】
1.一种轨道车辆编号识别方法，其特征在于，包括如下步骤：/n步骤S1：利用图像采集器采集车头的照片，将所述照片转换为二值图像，对所述二值图像依次进行高帽变换、膨胀操作以及中值滤波；/n步骤S2：通过编号的长宽比初步确定编号所在的区域，将其作为样本，通过支持向量机对样本进行训练，得到编号所在的实际区域；/n步骤S3：对得到的实际区域的车牌照片中的每位数字进行分割；/n步骤S4：构建数字识别的深度残差网络模型，对分割后的每一位数字进行识别。/n

【技术特征摘要】
1.一种轨道车辆编号识别方法，其特征在于，包括如下步骤：
步骤S1：利用图像采集器采集车头的照片，将所述照片转换为二值图像，对所述二值图像依次进行高帽变换、膨胀操作以及中值滤波；
步骤S2：通过编号的长宽比初步确定编号所在的区域，将其作为样本，通过支持向量机对样本进行训练，得到编号所在的实际区域；
步骤S3：对得到的实际区域的车牌照片中的每位数字进行分割；
步骤S4：构建数字识别的深度残差网络模型，对分割后的每一位数字进行识别。


2.根据权利要求1所述的轨道车辆编号识别方法，其特征在于：对所述二值图像进行高帽变换、膨胀操作的方法为：对所述二值图像进行形态学上的高帽变换、膨胀操作：表示高帽变换模型，其中f表示原始图像，表示结构元素b对原始图像f进行开操作后所得的结果；表示结构元素b对原始图像f进行开操作，其中表示结构元素b对原始图像f进行腐蚀操作，表示结构元素b对腐蚀操作后的图像进行膨胀操作；表示腐蚀操作，其中使用b对f进行腐蚀，是将b在f上平移，当b的原点平移到x得到k，若bx包含在f中，则记下这个x点，所有满足上述条件的x点组成的集合就是f被b腐蚀的结果；表示膨胀操作，其中为b的反射，即相对于自身原点的映象；为b的平移，对b的反射进行位移。b对f膨胀产生的二值图像是由这样的点(x)组成的集合，如果的原点位移到(x)，并且它与f的交集非空。


3.根据权利要求1所述的轨道车辆编号识别方法，其特征在于：对所述二值图像进行中值滤波的方法为：将模版在图中漫游，并将所述模版中心与图中指定像素位置重合；读取模版下各个对应像素的值；找出上述像素值的中值，将所述中值赋给对应模版中心位置的像素。


4.根据权利要求1所述的轨道车辆编号识别方法，其特征在于：得到编号所在的实际区域的方法为：根据中值滤波后图像中连通区域获得包含该区域的最小矩形区域；根据车辆编号的特征，初步确定车辆编号可能所在的区域；建立支持向量机模型对样本进行训练，得到二分类的模型，确定出区域中有车辆编号标签以及没有车辆编号标签，得到编号所在的实际区域。


5.根据权利要求4所述的轨道车辆编号识别方法，其特征在于：根据车辆编号的特征，初步确定车辆编号可能所...

【专利技术属性】
技术研发人员：江星星，赵章虎，沈长青，杜贵府，石娟娟，王俊，黄伟国，朱忠奎，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32