带端位的列车车号识别方法、装置及可读存储介质制造方法及图纸

本发明专利技术涉及图像识别技术领域，实施例具体公开一种带端位的列车车号识别方法、装置及可读存储介质。该识别方法通过获取列车的完整车号图像，采用深度学习算法识别出车号信息和端位信息，采用端位识别算法识别出端位信息，判断端位识别算法识别出的端位信息是否正确，如果正确则输出车号信息和端位识别算法识别出的端位信息，如果不正确则根据深度学习算法和端位识别算法识别出的端位信息获得最终的端位信息，再和车号信息一起输出，解决了现有深度学习算法对端号信息识别准确率低的问题，通过采用端位识别算法进行识别、深度学习算法与端位识别算法结合判断的方法，提高了端位信息的识别准确率。

【技术实现步骤摘要】
带端位的列车车号识别方法、装置及可读存储介质
本专利技术涉及图像识别
，具体涉及一种带端位的列车车号识别方法、装置及可读存储介质。
技术介绍
列车的机务车号除了一串由字母和数字组成的字符串外，还包括由罗马数字Ⅰ、Ⅱ或字母A和B组成的端位信息。端位信息位于字母和数字组成的车号的末端、上方或下方。列车在发展过程中，经过了车载式、在线式、地面读出式等设备对机务车号的识别，根据识别的结果，指导列车的检修，而实际相应部件的位置信息查找，除了依靠字母和数字组成的字符串车号外，还要依靠端位信息，来保障列车的日常检修。目前铁路系统中，采用图像识别技术对机务车号进行自动识别，避免了电子标签损坏、丢失而导致的车号无法识别的情况。但对机务车号的图像识别中，无论是传统的模式识别，还是基于深度学习方法识别，均要求拍摄的图像清晰且拍摄角度一致，由于此类客观因素的影响，在对机务车号的端位信息的识别中，由于列车种类较多，端位的大小、位置和印刷体差异大等问题，端位信息识别准确率有待提高。
技术实现思路
有鉴于此，本申请提供一种带端位的列车车号识别方法、装置及可读存储介质，能够解决或者至少部分解决上述存在的问题。为解决以上技术问题，本专利技术提供的技术方案是一种带端位的列车车号识别方法，包括：获取列车的完整车号图像，所述完整车号图像中包含列车的车号信息和端位信息；采用深度学习算法识别出所述完整车号图像中的车号信息和端位信息；采用端位识别算法识别出所述完整车号图像中的端位信息；判断端位识别算法识别出的端位信息是否正确，响应于该端位信息正确，将该端位信息作为最终的端位信息，响应于该端位信息错误，根据深度学习算法和端位识别算法识别出的端位信息生成最终的端位信息；输出列车的车号信息和最终的端位信息。优选地，所述采用端位识别算法识别出所述完整车号图像中的端位信息的方法包括：对所述完整车号图像进行图像灰度化处理和图像平滑处理，获得预处理图像；对预处理图像中的端位信息区域进行定位并裁剪，获得端位区域图像；对端位区域图像进行二值化处理，再进行特征提取，获得端位特征图像；对端位特征图像中的端位字符进行识别，获得端位信息。优选地，所述对完整车号图像进行图像灰度化处理和图像平滑处理，获得预处理图像的方法包括：假设f(i,j)是完整车号图像中坐标为(i,j)的点的灰度值，R(i,j)、G(i,j)、B(i,j)分别为坐标为(i,j)的点的红、绿和蓝分量上的值，赋予R、G、B不同的权重，获得完整车号图像中每个点的灰度值，公式如下：f(i,j)＝0.30×R(i,j)+0.59×G(i,j)+0.11×B(i,j)；采用中值滤波对完整车号图像进行平滑处理，对二维序列{xi,j}的中值滤波，滤波窗口为二维，可表示为：A为滤波窗口，A的大小为3*3。优选地，所述对预处理图像中的端位信息区域进行定位并裁剪，获得端位区域图像的方法包括：采用Sobel算子进行边缘识别，Sobel算子包含两组3*3的矩阵，分别为横向及纵向，将之与预处理图像作平面卷积，分别得出横向及纵向的亮度差分近似值；如果以f代表预处理图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下：经横向及纵向边缘检测的图像的每一个像素的横向及纵向梯度近似值用以下的公式结合，来计算梯度的大小：用以下的公式计算梯度方向：优选地，所述对端位区域图像进行二值化处理，再进行特征提取，获得端位特征图像的方法包括：采用迭代法获取最佳阈值，对端位区域图像进行二值化处理获得二值化图像，其中迭代法求取最佳阈值的方法包括：阈值初始化为最大灰度和最小灰度值之和的一半，以每次计算的阈值将端位区域图像分割为前景和背景，求出整个前景像素的平均灰度值和整个背景像素的平均灰度值，此时阈值为前景和背景平均灰度值之和的一半，若此时阈值与上一次计算的阈值相等，那么此时收敛，得到最佳阈值；通过计算二值化图像的白色像素点的比例值进行字符特征提取，将字符分为16等份，并统计16份中二值化图像的白色像素点的比例，作为16个特征向量，再统计垂直方向四块区域的白色像素点的比例作为后4个特征向量。优选地，所述对端位特征图像中的端位字符进行识别，获得端位信息的方法包括：采用神经网络对剪切出的相同尺寸的端位特征图像进行识别；所述神经网络为基本的神经元组成的网络，该网络包括输入层、隐含层和输出层，输入层包含20个节点，输出层有4个节点，1个隐含层经过端位信息训练后，得到一个端位信息的分类器，通过分类器识别出端位信息。优选地，所述判断端位识别算法识别出的端位信息是否正确，响应于该端位信息正确，将该端位信息作为最终的端位信息，响应于该端位信息错误，根据深度学习算法和端位识别算法识别出的端位信息生成最终的端位信息的方法包括：判断识别出的同一列车的车头端位信息与车尾端位信息是否相符，响应于车头端位信息与车尾端位信息相符，将列车经过时获得的第一个端位信息作为最终的端位信息；响应于车头端位信息与车尾端位信息不相符，与深度学习算法识别出的车头端位信息和车尾端位信息进行比较，若两个车头端位信息相同，则说明车尾端位信息错误，将车尾端位信息赋为车头端位信息的对应结果，若两个车尾端位信息相同，则说明车头端位信息错误，将车头端位信息赋为车尾端位信息的对应结果，最后将列车经过时获得的第一个端位信息作为最终的端位信息。本专利技术还提供一种带端位的列车车号识别装置，所述装置包括：完整车号图像获取模块，用于获取列车的完整车号图像，所述完整车号图像中包含列车的车号信息和端位信息；车号端位信息识别模块，用于采用深度学习算法识别出所述完整车号图像中的车号信息和端位信息；端位信息识别模块，用于采用端位识别算法识别出所述完整车号图像中的端位信息；端位信息判断模块，用于判断端位识别算法识别出的端位信息是否正确，响应于该端位信息正确，将该端位信息作为最终的端位信息，响应于该端位信息错误，根据深度学习算法和端位识别算法识别出的端位信息生成最终的端位信息；车号端位信息输出模块，用于输出列车的车号信息和最终的端位信息。优选地，所述端位信息识别模块包括：图像预处理单元，用于对所述完整车号图像进行图像灰度化处理和图像平滑处理，获得预处理图像；端位定位单元，用于对预处理图像中的端位信息区域进行定位并裁剪，获得端位区域图像；特征提取单元，用于对端位区域图像进行二值化处理，再进行特征提取，获得端位特征图像；字符识别单元，用于对端位特征图像中的端位字符进行识别，获得端位信息。优选地，所述端位信息判断模块包括：端位判断单元，用于判断识别出的同一列车的车头端位信息与车尾端位信息是否相符，相符处理单元，用于响应于车头端位信息与车尾端位信息相符，将列车经过时获得的第一个端位信息作为最终的端位信息；不相符处理单元，响本文档来自技高网...

【技术保护点】
1.一种带端位的列车车号识别方法，其特征在于，包括：/n获取列车的完整车号图像，所述完整车号图像中包含列车的车号信息和端位信息；/n采用深度学习算法识别出所述完整车号图像中的车号信息和端位信息；/n采用端位识别算法识别出所述完整车号图像中的端位信息；/n判断端位识别算法识别出的端位信息是否正确，响应于该端位信息正确，将该端位信息作为最终的端位信息，响应于该端位信息错误，根据深度学习算法和端位识别算法识别出的端位信息生成最终的端位信息；/n输出列车的车号信息和最终的端位信息。/n

【技术特征摘要】
1.一种带端位的列车车号识别方法，其特征在于，包括：
获取列车的完整车号图像，所述完整车号图像中包含列车的车号信息和端位信息；
采用深度学习算法识别出所述完整车号图像中的车号信息和端位信息；
采用端位识别算法识别出所述完整车号图像中的端位信息；
判断端位识别算法识别出的端位信息是否正确，响应于该端位信息正确，将该端位信息作为最终的端位信息，响应于该端位信息错误，根据深度学习算法和端位识别算法识别出的端位信息生成最终的端位信息；
输出列车的车号信息和最终的端位信息。


2.根据权利要求1所述的带端位的列车车号识别方法，其特征在于，所述采用端位识别算法识别出所述完整车号图像中的端位信息的方法包括：
对所述完整车号图像进行图像灰度化处理和图像平滑处理，获得预处理图像；
对预处理图像中的端位信息区域进行定位并裁剪，获得端位区域图像；
对端位区域图像进行二值化处理，再进行特征提取，获得端位特征图像；
对端位特征图像中的端位字符进行识别，获得端位信息。


3.根据权利要求2所述的带端位的列车车号识别方法，其特征在于，所述对完整车号图像进行图像灰度化处理和图像平滑处理，获得预处理图像的方法包括：
假设f(i,j)是完整车号图像中坐标为(i,j)的点的灰度值，R(i,j)、G(i,j)、B(i,j)分别为坐标为(i,j)的点的红、绿和蓝分量上的值，赋予R、G、B不同的权重，获得完整车号图像中每个点的灰度值，公式如下：
f(i,j)＝0.30×R(i,j)+0.59×G(i,j)+0.11×B(i,j)；
采用中值滤波对完整车号图像进行平滑处理，对二维序列{xi,j}的中值滤波，滤波窗口为二维，可表示为：A为滤波窗口，A的大小为3*3。


4.根据权利要求2所述的带端位的列车车号识别方法，其特征在于，所述对预处理图像中的端位信息区域进行定位并裁剪，获得端位区域图像的方法包括：
采用Sobel算子进行边缘识别，Sobel算子包含两组3*3的矩阵，分别为横向及纵向，将之与预处理图像作平面卷积，分别得出横向及纵向的亮度差分近似值；
如果以f代表预处理图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下：
经横向及纵向边缘检测的图像的每一个像素的横向及纵向梯度近似值用以下的公式结合，来计算梯度的大小：
用以下的公式计算梯度方向：


5.根据权利要求2所述的的带端位的列车车号识别方法，其特征在于，所述对端位区域图像进行二值化处理，再进行特征提取，获得端位特征图像的方法包括：
采用迭代法获取最佳阈值，对端位区域图像进行二值化处理获得二值化图像，其中迭代法求取最佳阈值的方法包括：阈值初始化为最大灰度和最小灰度值之和的一半，以每次计算的阈值将端位区域图像分割为前景和背景，求出整个前景像素的平均灰度值和整个背景像素的平均灰度值，此时阈值为前景和背...

【专利技术属性】
技术研发人员：张渝，彭建平，赵波，王祯，黄炜，章祥，马莉，王小伟，胡继东，史亚利，
申请(专利权)人：成都主导软件技术有限公司，
类型：发明
国别省市：四川;51