專利名稱：一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機視覺領(lǐng)域，具體涉及一種基于圖像的接觸網(wǎng)支柱定位、桿號檢測及識別、公里標檢測及識別方法。
背景技術(shù)：
鐵路接觸網(wǎng)是為列車供電架設(shè)的特殊線路。截止2010年12月底，中國國內(nèi)運營時速200公里以上的高速鐵路里程已經(jīng)達到8358公里，在建和即將興建的高速鐵路客運專線和城際鐵路里程已達I. 7萬公里。根據(jù)中國中長期鐵路網(wǎng)規(guī)劃方案，至2012年，中國將建成42條高速鐵路客運專線，基本建成以“四縱四橫”為骨架的全國快速客運網(wǎng)，總里程I. 3萬公里；到2020年中國時速在200公里以上的高速鐵路里程將會達到5萬公里。為了保證高速列車的安全運營，接觸網(wǎng)需要經(jīng)常巡檢，目前對350km/h的高速客·運專線接觸網(wǎng)設(shè)備進行在線巡視的設(shè)備已經(jīng)初步成型。然而，要對接觸網(wǎng)的各種安全隱患進行有效檢測，巡檢設(shè)備需記錄大量視頻數(shù)據(jù)，面對海量的巡檢視頻數(shù)據(jù)，若僅靠人工判讀工作量大、效率低、可靠性難以保障。對于出現(xiàn)安全隱患問題的接觸網(wǎng)的具體位置我國鐵路線路長、分布廣、環(huán)境多樣，如何準確高效地對巡檢圖像進行智能分析，降低巡檢人員勞動強度、提高工作效率、保障鐵路安全成為一個亟待解決的難題。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是巡檢視頻圖像中桿柱號及公里標的自動識別，該技術(shù)是實現(xiàn)鐵路接觸網(wǎng)桿柱視頻圖像自動檢索的基礎(chǔ)，可為日常巡檢采集圖像建立或更新桿柱信息管理檔案，有效幫助巡檢人員快速定位特定桿柱，減少人工需判讀工作量、提高工作效率。為了實現(xiàn)桿柱號及公里標自動識別的目的，本發(fā)明采用技術(shù)方案為一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，對高速客運專線接觸網(wǎng)設(shè)備進行在線巡視的連續(xù)視頻圖像中桿柱及其上的信息標識進行識別處理，其特征在于，包括以下處理步驟(I)桿柱粗定位。對相鄰幀進行絕對差分后，用豎直結(jié)構(gòu)核對差分圖像濾波，將濾波后圖像水平投影，以固定寬度統(tǒng)計計算出投影曲線峰值區(qū)域，此峰值區(qū)域即為桿柱物粗定位的區(qū)域Rl ；(2)桿柱精定位，提取原圖Rl區(qū)域并進行去噪，對去噪后的圖像進行二值化得到二值圖像Bt (X，y)，然后利用一種動態(tài)匹配的快速直線檢測算法定位桿柱邊緣；(3)桿號檢測及數(shù)字分割，對步驟(2)檢測到桿柱左右邊緣的平均斜率，對原圖進行旋轉(zhuǎn)得到校正后的圖像，同時將檢測到桿柱左右邊緣進行重新定位；將重新定位的左右邊緣延長至校正后原始圖像的頂部和底部，桿柱左右邊緣之間區(qū)域為桿柱精定位區(qū)域PKra，在此區(qū)域中利用一種縱向最長最近鄰鏈篩選法檢測桿號數(shù)字輪廓；數(shù)字輪廓的判定參數(shù)首先由人工進行初始化，之后根據(jù)數(shù)字檢測和識別的情況，對其中部分參數(shù)進行動態(tài)更新；(4)公里標檢測及數(shù)字分割，根據(jù)精定位桿柱兩邊平均斜率，在旋轉(zhuǎn)后的原圖中重新調(diào)整粗定位區(qū)域為R2，對R2進行高斯濾波和自適應(yīng)二值化后得到二值圖Bk2，在Bk2中利用動態(tài)匹配的快速直線檢測算法進行公里標檢測，之后利用自適應(yīng)二值化和直接二值化數(shù)字輪廓檢測雙向驗證方法對公里標數(shù)字精確定位和分割；(5)桿號及公里標數(shù)字的離線訓(xùn)練和在線識別。對分割的O 9數(shù)字二值圖像進行歸一化，然后分塊統(tǒng)計前景像素個數(shù)并串聯(lián)組成特征，利用多輸出神經(jīng)網(wǎng)絡(luò)作為分類器進行數(shù)字訓(xùn)練和識別。采用本發(fā)明基于圖像的鐵路接觸網(wǎng)桿柱號及公里標實時識別方法，能夠?qū)崟r地對鐵路接觸網(wǎng)巡檢圖像進行自動桿號及公里標識別，該技術(shù)是實現(xiàn)鐵路接觸網(wǎng)桿柱視頻圖像自動檢索的基礎(chǔ)，可有效幫助巡檢人員快速定位特定桿柱，減少人工需判讀的圖像數(shù)量、提高工作效率。


圖I鐵路接觸網(wǎng)巡視圖像 圖2本發(fā)明方法總體框3本發(fā)明桿柱粗定位算法流程4本發(fā)明桿柱精定位算法流程5本發(fā)明桿號定位及數(shù)字分割算法流程6本發(fā)明公里標定位及數(shù)字分割算法流程圖。
具體實施例方式為便于對本發(fā)明的細節(jié)作更為清楚的介紹，對本發(fā)明主要步驟詳述如下步驟I :桿柱粗定位。將視頻序列中兩幀圖像It(x，y)和It_A (x,y)進行絕對值差分得差分圖像Dt (X，y)，其中Λ e ζ，Λ彡I為預(yù)設(shè)的圖像運動差分幀間隔。然后利用一個豎直結(jié)構(gòu)的核對差分圖像Dt (X，y)進行形態(tài)學(xué)操作，濾除垂直方向上較短的區(qū)域。將形態(tài)學(xué)操作后的圖像在水平方向上進行投影，以AW寬度統(tǒng)計計算投影曲線峰值區(qū)域，此峰值區(qū)域即為桿柱物粗定位的區(qū)域R1。步驟2 :桿柱精定位。提取原圖Rl區(qū)域并進行去噪，對去噪后的圖像進行二值化得到二值圖像Bt (X，y)，其中邊緣等前景部分像素值為零；為了快速、有效地檢測桿柱直線邊緣，本發(fā)明提出了一套基于動態(tài)匹配的快速直線檢測算法，具體實施步驟如下I)根據(jù)所巡檢的鐵路線路具體情況，設(shè)定Bt (X，y)中直線搜索區(qū)域ROI，選擇ROI時應(yīng)盡可能避免復(fù)雜背景區(qū)域，以減少對直線檢測的干擾；2)在ROI區(qū)域的下I/η區(qū)域從左向右掃描，若P點的像素值為零則在其垂直方向再次遍歷連續(xù)的m個像素，將滿足m個點像素值都為零的所有P點保存為點集Pl ；3)在ROI區(qū)域的上I/η區(qū)域進行步驟2操作，將滿足條件的所有點保存為點集P2 ；4)對于所有的點VftAlfjPlAeP2，計算連接Pi，Pj的線段Lij作為匹配模板。線段Lij在Bt(x，y)中對應(yīng)區(qū)域黑色像素點個數(shù)與其長度之比大于閾值^。時，即認為檢測到一條候選桿柱邊緣；5)對候選直線在原圖中相應(yīng)位置利用一個Harr濾波器進一步判定，排除接觸網(wǎng)圖像中細線在檢測中的干擾，進一步確保直線為桿柱左邊緣；6)按照步驟2-2至2-5方法，從右向左掃描檢測桿柱右側(cè)邊緣。經(jīng)過以上過程，若只檢測到一條滿足要求的桿柱邊緣，則根據(jù)此邊緣在ROI中水平位置及斜率，對桿柱粗定位區(qū)域在原圖中進行適當校正，然后再重復(fù)步驟2-1至2-6精定位過程。若仍然無法檢測桿柱左右兩側(cè)邊緣則停止，否則轉(zhuǎn)至步驟3。步驟3 自適應(yīng)的桿號檢測及數(shù)字分割。根據(jù)步驟2檢測到桿柱左右邊緣的平均斜率，對原圖進行旋轉(zhuǎn)得到校正后的圖像，同時將步驟2檢測到桿柱左右邊緣進行重新定位。將重新定位的左右邊緣延長至校正后原始圖像的頂部和底部，桿柱左右邊緣之間區(qū)域為桿柱精定位區(qū)域PKra，在此區(qū)域中檢測桿號數(shù)字輪廓。數(shù)字輪廓的判定參數(shù)首先由人工進行初始化，之后根據(jù)數(shù)字檢測和識別的情況，對其中部分參數(shù)進行動態(tài)更新。動態(tài)更新的判定參數(shù)包括但不限于在特定水平位置上桿號數(shù)字的高度范圍。滿足所有判定條件的區(qū)域即 為疑似數(shù)字區(qū)域。通常此時檢測出的疑似數(shù)字區(qū)域中會存在部分非數(shù)字區(qū)域，為排除非數(shù)字區(qū)域的干擾，本發(fā)明提出一種縱向最長最近鄰鏈篩選法。假設(shè)檢測到的疑似數(shù)字區(qū)域為Di (i = 1,2, . . . M),每個區(qū)域的中心坐標為(Xi, Yi),且對于V/，▽_/，/'</滿足^ YjO令Di輪廓最小外接矩形的高度為故。縱向最長最近鄰鏈法對疑似數(shù)字區(qū)域進行進一步篩選的步驟如下I)從疑似數(shù)字區(qū)域中心縱坐標最小的數(shù)字區(qū)域01開始掃描縱向最鄰近鏈，令當前節(jié)點為D。,此時c = I,記錄掃描的起始位置s = l;2)新建鏈表，并將D。作為其首節(jié)點。如果存在一個疑似數(shù)字區(qū)域Dp其中c
<j SM，滿足下列條件(I) !Hj-HcI < ε i ;(2)丨.I’, I ￥ — (、— |< β mini H,, Hi);(3) I Xj-Xc I < ε 2·則認為DjS D。的縱向最近域，將Dj加入鏈的尾部，否則轉(zhuǎn)至步驟3-4。ε i是一個高度波動值，一般設(shè)為5 8，條件(2)作為對相鄰數(shù)字區(qū)域間的縱向間隔的約束，ε2表示數(shù)字區(qū)域水平位置的偏移，一般設(shè)定為5 10 ;3)若j <Μ則c = j，轉(zhuǎn)步驟3-2繼續(xù)搜索下一個縱向最鄰近域；否則，轉(zhuǎn)步驟3-4 ；4)若c < M則c = c+1，保存當前縱向最鄰近鏈，轉(zhuǎn)步驟3_2繼續(xù)搜索下一個縱向最鄰近鏈；否則，轉(zhuǎn)步驟3-5;5)在所有組成的數(shù)字最近鄰鏈中，求出元素最多的縱向最近鄰鏈作為桿號數(shù)字鏈表。最長最近鄰鏈法可很好地將接觸網(wǎng)桿號區(qū)域與干擾區(qū)分開，并精確保留各數(shù)字區(qū)域，無需進一步分割。步驟4 :公里標檢測及數(shù)字分割。根據(jù)精定位桿柱兩邊平均斜率，在旋轉(zhuǎn)后的原圖中重新調(diào)整粗定位區(qū)域為R2，對R2進行高斯濾波和自適應(yīng)二值化后得到二值圖Bk2，在Bk2中進行公里標檢測。首先對公里標牌上下兩條邊進行精定位，具體步驟如下I)提取步驟2中PKra的左邊界至Bk2左邊線區(qū)域作為左ROI，提取PKra右邊界至Bk2右邊線區(qū)域作為右ROI，兩個ROI都為Bk2中的部分，邊緣前景像素值為零；2)在右ROI逐點進行掃描，若q點像素值為零，則以q點為起始點遍歷其右鄰域m個點，將滿足m個點像素值都為零的所有q點保存為點集Ql ；3)在左ROI區(qū)域進行步驟4-2的操作，將滿足條件的點保存為點集Q2 ；4)對于所有的點VU, I q, ^ QUj e Q2，計算連接Qi，q」的線段Lij作為匹配模板。線段Lu在Bk2中對應(yīng)區(qū)域黑色像素點個數(shù)與其長度之比大于閾值a q且Lu與水平方向夾角小于Θ，則將Lu判為候選的邊界，得到直線集L ;5)遍歷L，將L中所有兩直線距離d滿足β i < d < β 2的直線對作為候選公里標上下邊界；最后，取候選上下邊界的延長線和R2左右邊界的交點作為公里標牌粗定位區(qū)域 四個頂點，在此四頂點圍成的區(qū)域Rkm進行公里標數(shù)字輪廓檢測。提取滿足公里標數(shù)字條件的區(qū)域，再按數(shù)字區(qū)域的水平坐標從左到右排列。為了同時減少公里標區(qū)域和公里標數(shù)字的誤檢，本發(fā)明對Rkm采用直接二值化和自適應(yīng)二值化圖對公里標識別雙重驗證，即當兩個二值圖中公里標數(shù)字輪廓檢測出來的區(qū)域一致則認為是公里標，否則為誤檢的公里標。步驟5 :桿號及公里標數(shù)字離線訓(xùn)練和在線識別。I)桿號數(shù)字特征提取。首先將步驟3所檢測的各桿號數(shù)字區(qū)域歸一化mp*np的二值圖像，再分為mps*nps像素大小的子塊，統(tǒng)計各子塊白色像素個數(shù)，作為桿號數(shù)字的特征向量。2)公里標數(shù)字特征提取。首先將步驟4所檢測的各公里標數(shù)字區(qū)域歸一化mk*nk的二值圖像，然后將mk*nk的二值圖像直接作為公里標數(shù)字的特征向量。3)桿號及公里標數(shù)字的離線訓(xùn)練。從接觸網(wǎng)巡檢序列中采集桿號及公里標區(qū)域圖像樣本，按照步驟5-1和5-2的方法提取相應(yīng)的特征進行訓(xùn)練，可選擇的分類器算法包括但不限于人工神經(jīng)網(wǎng)絡(luò)、SVM、KNN、貝葉斯分類器、決策樹等。保存桿號分類器和公里標分類器訓(xùn)練結(jié)果。4)桿號數(shù)字和公里標數(shù)字在線識別。將待識別桿號和公里標圖像按照步驟5-1和5-2的方法提取其特征向量并輸入對應(yīng)的分類器，得到該數(shù)字圖像區(qū)域?qū)儆?-9的隸屬度，取隸屬度最大的數(shù)字作為識別結(jié)果，本發(fā)明方法將最大隸屬度減去第二大隸屬度作為識別結(jié)果的可信度，可信度越靠近I時表明該數(shù)字屬于最大隸屬度的數(shù)字風(fēng)險越小，否則反之。下面結(jié)合附圖介紹本發(fā)明具體實施方式
。圖I為典型的鐵路接觸網(wǎng)巡檢圖像的示意圖。圖2為本發(fā)明方法總體框圖，從文件中讀取視頻序列后，首先根據(jù)近景深物體及桿柱的運動特性對桿柱粗定位，然后利用本發(fā)明提出的直線提取方法對桿柱進行精確定位，精定位后利用輪廓檢測方法分割桿號數(shù)字，再利用神經(jīng)網(wǎng)絡(luò)作為分類器識別分割的桿號數(shù)字；同樣利用提出的直線檢測方法對公里標進行定位，利用輪廓檢測方法分割公里標數(shù)字，然后利用神經(jīng)網(wǎng)絡(luò)作為分類器識別分割的公里標數(shù)字。圖3為桿柱粗定算法流程圖。設(shè)t時刻和t-Ι時刻的接觸網(wǎng)巡視圖像為It(X，y)和Ux，y)，絕對差分圖像為Dt (X，y)，利用豎直核對絕對差分圖進行形態(tài)學(xué)腐蝕，濾除垂直方向上較短的區(qū)域，在灰度圖上進行的腐蝕如公式(I)所示
權(quán)利要求
1.一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，對高速客運專線接觸網(wǎng)設(shè)備進行在線巡視的連續(xù)視頻圖像中桿柱及其上的信息標識進行識別處理，其特征在于，包括以下處理步驟 (1)桿柱粗定位，對相鄰幀進行絕對差分后，用豎直結(jié)構(gòu)核對差分圖像濾波，將濾波后圖像水平投影，以固定寬度統(tǒng)計計算出投影曲線峰值區(qū)域，此峰值區(qū)域即為桿柱物粗定位的區(qū)域Rl ； (2)桿柱精定位，提取原圖Rl區(qū)域并進行去噪，定位桿柱的左右邊緣； (3)桿號檢測及數(shù)字分割，對步驟(2)檢測到桿柱左右邊緣的平均斜率，對原圖進行旋轉(zhuǎn)得到校正后的圖像，同時將檢測到桿柱左右邊緣進行重新定位；將重新定位的左右邊緣延長至校正后原始圖像的頂部和底部，桿柱左右邊緣之間區(qū)域為桿柱精定位區(qū)域PKra，在此區(qū)域中利用一種縱向最長最近鄰鏈篩選法檢測桿號數(shù)字輪廓；數(shù)字輪廓的判定參數(shù)首先由人工進行初始化，之后根據(jù)數(shù)字檢測和識別的情況，對其中部分參數(shù)進行動態(tài)更新； (4)公里標檢測及數(shù)字分割，根據(jù)精定位桿柱兩邊平均斜率，在旋轉(zhuǎn)后的原圖中重新調(diào)整粗定位區(qū)域為R2，對R2進行高斯濾波和自適應(yīng)二值化后得到二值圖Bk2，在Bk2中利用動態(tài)匹配的快速直線檢測算法進行公里標檢測，之后利用自適應(yīng)二值化和直接二值化數(shù)字輪廓檢測雙向驗證方法對公里標數(shù)字精確定位和分割； (5)桿號及公里標數(shù)字的離線訓(xùn)練和在線識別，對分割的O 9數(shù)字二值圖像進行歸一化，然后分塊統(tǒng)計前景像素個數(shù)并串聯(lián)組成特征，利用多輸出神經(jīng)網(wǎng)絡(luò)作為分類器進行數(shù)字訓(xùn)練和識別。
2.根據(jù)權(quán)利要求I的一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，其特征在于，所述步驟(2)為一種動態(tài)匹配的快速直線檢測方法，其步驟為 (1)對粗定位區(qū)域進行兩次不同塊大小的自適應(yīng)二值化，并用“與”操作合并兩個二值圖為 Bt (X，y)； (2)根據(jù)所巡檢的鐵路線路具體情況，設(shè)定Bt(X，y)中直線搜索區(qū)域ROI，選擇ROI時應(yīng)盡可能避免復(fù)雜背景區(qū)域，以減少對直線檢測的干擾； (3)在ROI區(qū)域的下I/η區(qū)域從左向右掃描，若P點的像素值為零則在其垂直方向再次遍歷連續(xù)的m個像素，將滿足m個點像素值都為零的所有P點保存為點集Pl ； (4)在ROI區(qū)域的上I/η區(qū)域進行步驟2操作，將滿足條件的所有點保存為點集P2； (5)對于所有的點\p,ePl,PjeP2，計算連接Pi，Pj的線段Lij作為匹配模板；線段Lij在Bt(x，y)中對應(yīng)區(qū)域黑色像素點個數(shù)與其長度之比大于閾值^^時，即認為檢測到一條候選桿柱邊緣； (6)對候選直線在原圖中相應(yīng)位置xO利用一個Hart濾波器進一步判決，即滿足下式則認為是桿柱邊界
3.根據(jù)權(quán)利要求I的一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，其特征在于，所述步驟(3)中對桿號檢測時，使用自適應(yīng)數(shù)字輪廓判定方法。
4.根據(jù)權(quán)利要求I的一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，其特征在于，所述步驟(3)中采用縱向最長最近鄰鏈篩選法精確提取桿號數(shù)字；假設(shè)檢測到的疑似數(shù)字區(qū)域為Di (i = 1,2, ...Μ)，每個區(qū)域的中心坐標為(xi； yi)，且對于Yi (輪廓最小外接矩形的高度為Hi,縱向最長最近鄰鏈法對疑似數(shù)字區(qū)域進行篩選的步驟如下 1)從疑似數(shù)字區(qū)域中心縱坐標最小的數(shù)字區(qū)域D1開始掃描縱向最鄰近鏈，令當前節(jié)點為D。,此時c = I,記錄掃描的起始位置s = l; 2)新建鏈表，并將D。作為其首節(jié)點，如果存在一個疑似數(shù)字區(qū)域Dp其中c< j <M，滿足下列條件
5.根據(jù)權(quán)利要求I的一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，其特征在于所述步驟(4)中采用自適應(yīng)二值化和直接二值化數(shù)字輪廓檢測雙向驗證方法。
全文摘要
本發(fā)明公開了一種基于圖像的鐵路接觸網(wǎng)桿柱標識信息的識別方法，采用數(shù)字圖像處理的方法自動識別鐵路接觸網(wǎng)巡視圖像中的桿柱號及公里標。主要步驟為1)桿柱粗定位；2)桿柱精定位；3)桿號檢測及數(shù)字分割；4)公里標檢測及數(shù)字分割；5)桿號及公里標數(shù)字的離線訓(xùn)練和在線識別。本發(fā)明方法可高效、自動地對鐵路接觸網(wǎng)進行桿號和公里標識別，可適用于高速鐵路和普通鐵路接觸網(wǎng)巡檢，能有效幫助巡檢人員快速定位特定桿柱，減少人工需判讀的圖像數(shù)量、提高工作效率。
文檔編號G06K9/54GK102902974SQ20121030244
公開日2013年1月30日 申請日期2012年8月23日 優(yōu)先權(quán)日2012年8月23日
發(fā)明者陳俊周, 彭小江, 彭強, 袁萍 申請人:西南交通大學(xué)