CRH列车车牌识别系统设计实现

1、-. zCRH列车车牌自动识别系统设计与实现Auto Recognition System Design and Implementationof CRH Train License PlateAbstract:Based on the fi*ed digital camera, we capture the side image of CRH train when it arrives the station platform. License plate is positioned and e*tracted. Based on the OCR algorithm, we recogniz

2、e the character including letter and number. Following the CRH train naming rule, we summarize a logic process to processautomatic recognition, the accuracy is acceptable for the real train department to control and manage the CRH train.Keyword: CRH train, license plate recognition, character image

3、recognition【摘要】系统采用固定摄像机对CRH列车进站时的侧面进展图像采集，从图像上提取车牌信息并定位，根据图像分析算法拆分字符。使用OCR对提取出的字符图像进展识别，通过CRH列车车牌的命名规则，总结出一套可以用来自动进展字符识别结果校准的逻辑流程，从而到达准确识别的目的。【关键词】CRH 动车 车牌识别 字符图像识别 一、引言随着全国电气化铁路的建立，国的铁路开展已经快速向电气化、高速化开展。CRH列车具有的方便、快捷与舒适等特点，收到越来越多乘客的青睐。所以铁路部门对CRH列车的管理也需要从普通列车的人工管理模式转变成由计算机自动管理记录的模式。而对于CRH列车而言，由于其具有

4、较新的技术和较规的车号命名规则，所以，我们可以通过对列车车号的自动识别，来对列车进出站，以及进出车库等活动进展自动监管、记录。目前所见的动车组列车共分为1型车、2型车、3型车、5型车、6型车等五种车型。列车的每节车厢上都会有车厢号的记录，而车厢号是根据车型+车号+车厢号组成的。系统将通过对列车行进规律和对字符的自动识别实现对CRH列车进出站时的自动车号识别。二、CRH列车车牌分析车牌识别技术在机动车和道路卡口抓拍上的应用已经非常成熟，对于机动车而言，车辆卡口抓拍大都是通过高清摄像机对距离摄像机10米的车辆进展实时抓拍，并对图片进展分析从而得出车牌。而CRH列车的车牌编号在车厢侧面，通过摄像头抓

5、拍的方式采集车牌画面则需要将摄像机安装在轨道旁的平安区域上，这样一来，摄像机照射的CRH车辆画面如下列图所示。红框的区域则为CRH列车的车牌及车厢号。图1 CRH车牌抓拍画面例如图1中，ZE 607613为该车厢车厢号，其中第一个数字6表示车辆为6型车，6076为该CRH列车车号，13为车厢号。CRH列车车牌号具有如下特点：1.背景为白色，文字为黑色，比照度大；2.文字只有1行；3.绝大局部场景，多个文字会同时出现8节编组和16节编组的列车每个车厢均有车号，即一个车号在同一辆列车中会出现屡次；三、CRH列车车牌识别系统总体设计安装检测摄像机，使得镜头照射方向垂直于CRH列车侧面。通过采集模块，

6、将视频采集到识别模块中。车牌识别模块收到视频帧后，开场定位车牌位置，随后对车牌的每个字符进展分割和预处理过滤掉一些不必要的噪点。随后将拆分的文字用OCR字符集库进展识别，将识别的结果进展基于车牌规则的矫正。图2 CRH列车车牌识别系统工作流程四、系统设计与实现1、检测区域及参数预设经过实际测算，到列车的行驶速度在20Km/h以下时，画面中车牌的清晰度最高，可以满足检测要求，则，在列车行驶进入车辆维修保养基地时的行驶速度较慢，正好满足此要求。为了排除图像OSD以及其他因素对检测的干扰，系统将预先设定检测区域，如下列图所示：图3 车牌检测区域设定图3中，MarginTop, MarginBotto

7、m, MarginLeft, MarginRight这4个参数构成了分析区域，它应该包含文字可能出现的区域，以像素为单位。鉴于列车是水平运动的，所以left和right的margin值设为0即可。我们定义Te*tHeightLow, Te*tHeightHigh, Te*tWidthLow, Te*tWidthHigh4个参数，用来描述检测文字的大小围的参数，以像素为单位。由于图像成像的因素，我们设定为画面中文字大小上下浮动一定围。height可以在实际文字的height上下浮动25%, width情况较为复杂比方文字只出现一大半，或者检测时2个字连着，建议low为width的25%，high

8、为width的2倍。此外，再定义SpaceLow, SpaceHigh用来描述文字水平距离围的参数，以像素为单位。如果摄像机安装的位置较好，文字在水平方向形变很小，这个值可以的围可以小些，反之则大些。这个值通常low设定为文字宽度的1/5即可，high设定为1.5倍主要是考虑到连字符的影响。如图3的列车画面所示，形变较大，文字尺寸是16*32，这是设定的参数为：config.Te*tHeightLow = 25;config.Te*tHeightHigh = 40;config.Te*tWidthLow = 5;config.Te*tWidthHigh = 30;config.SpaceLow

9、 = 3;config.SpaceHigh =40;2、车牌字符位置检测系统采用二值化+投影的方法来实现字符位置检测，由于CRH车牌均为白底黑字，我们采用自动OSTU算法或自适应二值化算法即可。随后我们对二值化的结果进展水平投影，在文字出现的水平位置，会形成较高的峰。根据摄像机拍摄的车牌文字高度，可以滤掉一些不需要的噪声区间。该步骤处理后的文字所在的水平高度区间，截取经过水平投影处理得到的带状二值化图像，进展垂直投影。如果是多个车牌的文字，会在投影的位置形成多峰的曲线。截取第一个峰开场的位置，和最末个峰完毕的位置，便得到文字所在的位置区间的集合。如，摄像机采集了一帧车牌图像如图4-1所示，红框

10、是预先设定的检测区域我们采用OSTU对其进展二值化处理得到图4-2的二值化图像。随后将其分别进展水平投影和垂直投影得到图4-3和图4-4所示的图像，这里根据投影结果的区间计算确定出车牌所在位置。图4-1 图4-2图4-3 图4-4图4 车牌字符位置定位计算过程根据上述算法定位出粗略的车号位置，系统需要再次对每个字符进展拆分和预处理。根据上述水平投影和垂直投影的结果，可以确定每个字符的包围矩形。从原图的灰度图中提取这局部的小图像。再对该图像的二值化图像分别做一次水平和垂直投影，以去掉不必要的空白像素，以上面的例子来说明，其得到的最终字符分割结果如图5所示：图5 经过拆分和预处理得到的追踪车牌字符

11、3、使用OCR对字符进展识别我们将2所述的拆分出来的每个字符送入OCR字符集库中进展识别。通用的OCR字符集并不能很好的支持这种特殊情况下的识别，需要一定程度的调整。4、基于车牌规则的矫正通常在车速不是很快的情况下，一个车牌从出现到消失，会存在经过25帧。校正的目的，就是为了防止单次检测的准确率不高的情况；另外，可以利用列车车牌命名的规则，对一些错误进展校正。这里设定了一个屡次结果融合的校准方法。屡次检测结果融合的过程就是一个寻找2个字符串拼接的最正确位置的过程。其中需要注意的是：单次识别结果可能有未识别出来的情况这时候输出为。几个常见的识别混淆的字符，比方4和9,1和7。这时候计算最正确匹配

12、的时候，要考虑对这样的情况的处理。举个例子，f1=ZC601, f2=60171, 则f1+f2=ZC60171。如果f1=ZC60，f2不变，拼接时.位置的字符就以f2的为准了。但如果都不是. (比方4和9), 这是要用到下面的解决方法；如果一个位置拼接时有超过2次重叠，我们需要vote即采用出现次数多的那个字符作为最后的结果，还是以刚刚的为例，f1=ZC601, f2=60771, f3=07714, 则最后f1+f2+f3=ZC607714. 因为第5位，有1次是1,2次是7，所以7的可信度高些。5、输出车牌信息根据铁道部2021年发布的关于新一代高速动车组型号、车号及座席号的通知，图5

13、中的车牌识别结果为CRH380A-6010，则该车为6型车，车号为6061。系统则将此结果与列车运行方向、出现时间以及轨道号打包发送给上一级管理平台记录备案。五、实际效果测试根据本文所描述的方法对多种CRH列车进展了实地测试。系统对每一节车厢的车号均进展了检测，根据每节车厢车号的识别率做出统计，结果如下。1型车测试，车号为1064的16节编组列车，识别的准确率平均值为94%；图6 1型车车厢侧面视频截图2型车测试，车号为2001的8节编组列车，识别的准确率平均值为100%；图7 2型车车厢侧面视频截图3型车测试，车号为3019的8节编组列车，识别的准确率平均值为83%。图8 3型车车厢侧面视频截图5型车测试，车号为5006的8节编组列车，识别的准确率平均值为100%。图9 5型车车厢侧面视频截图6型车测试，车号为6232的16节编组列车，识别的准确率平均值为94%。图10 6型车车厢侧面视频截图六、完毕语经过测试，列车进入或离开CRH车库的车速在20km/h之检测效果最好，由于本系统采用的是从视频监控画面中调取视频帧的方式用来检测字符，鉴于列车轨道间距短的原因，无法架设更为复杂的设备进展优化。接下来将考虑采用电子快门的方式