CN105930801A - 一种道岔指示器图像识别方法 - Google Patents
一种道岔指示器图像识别方法 Download PDFInfo
- Publication number
- CN105930801A CN105930801A CN201610253035.5A CN201610253035A CN105930801A CN 105930801 A CN105930801 A CN 105930801A CN 201610253035 A CN201610253035 A CN 201610253035A CN 105930801 A CN105930801 A CN 105930801A
- Authority
- CN
- China
- Prior art keywords
- track switch
- image
- switch indicator
- equal
- conversion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种道岔指示器图像识别方法,包括以下步骤:S1、建立道岔指示器标准图像库;S2、将道岔指示器目标图像进行变换,得到图像H(x,y);S3、对变换后的图像像素值进一步变换得到图像G(x,y);S4、对G(x、y)进行图像分割,分割后的图像为g(x,y);S5、对所述步骤S4中g(x、y)进行目标定位,通过计算g(x、y)列梯度差和行梯度差可以求得图像边缘灰度变化最激烈的部分,在分割区域内定位出道岔指示器;S5、对所述步骤S5道岔指示器与S1中的标准图像库进行识别,判断道岔指示器所指方向。本发明通过实验验证了道岔指示器图像识别方法的有效性和可靠性,能够提高复杂环境的道岔指示器识别的精确度,完全满足机车安全行驶的要求。
Description
技术领域
本发明涉及道岔指示器识别技术领域,特别是涉及一种道岔指示器图像识别方法。
背景技术
图像处理技术如今已经进入人类生活的各个方面。例如,近年来快速发展的医学图像处理、航天图像处理、智能图像分析、多媒体信息处理、遥感图像处理、生物特征识别、自动目标识别和跟踪及虚拟显示技术等。
道岔指示器主要为机车提供行驶方向,现有技术中的道岔指示器的识别,目前主要是通过模拟信号,这样的问题就是人们不能很好的真实看到道岔指示器的状态,所以有必要提供一种道岔指示器图像识别方法。
发明内容
鉴于以上情况必须提供一种低成本、高准确度的道岔指示器图像识别方法。
本发明解决其技术问题采用的技术方案是:一种道岔指示器图像识别方法,其特征在于,包括以下步骤:
S1、建立道岔指示器标准图像库,且所述道岔指示器所指方向包括向前、向左以及向右;
S2、将道岔指示器目标图像进行变换,所述变换方法为:
,其中H(x,y)为变换后的图像矩阵,R、G、B为道岔指示器图像中的颜色值,m、s、n满足m+s+n=1,x、y为像素点的位置;
S3、将步骤S2中H(x,y)通过
变换;其中,mf为H(x,y)最大像素值,a、b为H(x,y)中所取的像素值,mg为变换后的最大像素值,c、d为变换后a、b所对应的像素值;使道岔指示器在图像中更加明确;
S4、对所述S3步骤中G(x、y)进行图像分割,设置分割参数G;分割后的图像为g(x,y);
S5、对所述步骤S4中g(x、y)进行目标定位,通过计算g(x、y)列梯度差和行梯度差可以求得图像边缘灰度变化最激烈的部分,在分割区域内定位出道岔指示器;
S5、对所述步骤S5道岔指示器与S1中的标准图像库进行识别,判断道岔指示器所指方向。
在其中一实施例中,所述s值范围为0.65≤s≤0.8。
在其中一实施例中,所述的步骤S4中分割参数G为200。
在其中一实施例中,所述的步骤S3中a等于150,b等于200,c等于50,d等于150,mf等于255,mg等于240。
本发明的有益效果:
本发明通过实验验证了道岔指示器图像识别方法的有效性和可靠性,能够提高复杂环境的道岔指示器识别的精确度,完全满足机车安全行驶的要求。
附图说明
图1为一种道岔指示器图像识别方法络结构图;
图2为道岔指示器原始图像;
图3为变换后图像H(x,y);
图4为图像H(x,y)变换后图像G(x,y);
图5为图像G(x,y)中分割道岔指示器后图像g(x,y);
图6为根据先验所得到的图像;
图7为在g(x,y)定位后的图像;
图8为梯度差和行梯度差出的曲线图;
图9为识别结果图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,当元件被称为“设置于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
参照图1所示,一种道岔指示器图像识别方法,包括以下步骤:
S1、建立道岔指示器标准图像库,且所述道岔指示器所指方向包括向前、向左以及向右;这样将从目标图像中分割定位出的图像进行比对,判断道岔指示器方向。
S2、将道岔指示器目标图像进行变换,图2为含有道岔指示器的原始图像,所述变换方法为:
,其中H(x,y)为变换后的图像矩阵,R、G、B为道岔指示器图像中的颜色值,m、s、n满足m+s+n=1,x、y为像素点的位置;图2与图3相比,通过变换后图2中的颜色值都变为灰色,这样在后续的处理中降低了图像的数据量,加快了处理速度。
S3、将步骤S2中H(x,y)通过
变换;其中,mf为H(x,y)最大像素值,a、b为H(x,y)中所取的像素值,mg为变换后的最大像素值,c、d为变换后a、b所对应的像素值;使道岔指示器在图像中更加明确;图3中的图像经过变换并且所述的步骤S3中a等于150,b等于200,c等于50,d等于150,mf等于255,mg等于240,得到如图4所示的图像,图3与图4相比,其中道岔指示器更加清晰也更加明亮。
S4、对所述S3步骤中G(x、y)进行图像分割,设置分割参数G;分割后的图像为g(x,y);所述的步骤S4中分割参数G为200,得到如图5所示的图像,从图中可以看到,图像中的只有黑白两色,这样数据量变的更加简洁,计算量大大的减少,提高了计算速度。
对于图5中的图像,采用先验知识的方法缩小定位计算的区域。因为道岔指示器一般安装在固定的地方,所以指示器在图像中出现的位置相对固定。可以利用先验知识在更小的区域能进行定位计算,得到如图6所示的图像。
S5、对所述步骤S4中g(x、y)进行目标定位,通过计算g(x、y)列梯度差和行梯度差可以求得图像边缘灰度变化最激烈的部分,如图8所示,在分割区域内定位出道岔指示器,如图7所示。
S5、对所述步骤S5道岔指示器与S1中的标准图像库进行识别,判断道岔指示器所指方向,如图9所示,目标图像中的道岔指示器所显示的方向为向前。
识别方法:模板匹配可以理解为一种参数估计方法,模板的位置由这些参数规定。数学上将模板定义成一个离散函数。的取值范围在一个窗函数中,即这些点的坐标,例如,对于一个的模板,可以得到点的集合为。
假设图像的每一个像素都受到高斯噪声的干扰,噪声的平均值为零而且其标准差为。那么,被放置在坐标(i,j)处的模板有一个点与位于的相应像素匹配的概率可以利用正态分布:
因为影响各个像素点的噪声都是彼此独立的,模板在坐标点的概率是该模板所包含的所有像素点的联合概率,有
代入上式可得
其中,n为模板的像素个数。该函数被称为似然函数。通常,采用对数形式描述以简化分析。两边去对数,似然函数可以改写成:
在最大似然估计中,需要选择使似然函数最大化的参数,同时也是可以让目标变化最小的地方。即
这些等式也是最小化问题的解。
最大似然估计等效于选择具有最小化平方差的模板位置。也就是说最大似然结果就是模板匹配的结果。
在其中一实施例中,由于一般现实中的道岔指示器的颜色更多的为绿色,所述对于图像中的绿色的区域图像要加强处理,所述s值范围为0.65≤s≤0.8。
其中,在图像的处理过程中还可以对图像进行像素值直方图平均化,为了进一步的减少计算量,还可以对图像进行二值化处理,这样所述图像中的数据值只有“0”、“1”,这样大大降低数值计算时间,提高识别速度,这样可以达到实时处理的效果。
为使本发明的上述目的、特征和优点能够更加明显易懂,上面结合附图对本发明的具体实施方式做详细的说明。在上面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于上面描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受上面公开的具体实施例的限制。并且,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种道岔指示器图像识别方法,其特征在于,包括以下步骤:
S1、建立道岔指示器标准图像库,且所述道岔指示器所指方向包括向前、向左以及向右;
S2、将道岔指示器目标图像进行变换,所述变换方法为:
,其中H(x,y)为变换后的图像矩阵,R、G、B为道岔指示器图像中的颜色值,m、s、n满足m+s+n=1,x、y为像素点的位置;
S3、将步骤S2中H(x,y)通过
变换;其中,mf为H(x,y)最大像素值,a、b为H(x,y)中所取的像素值,mg为变换后的最大像素值,c、d为变换后a、b所对应的像素值;使道岔指示器在图像中更加明确;
S4、对所述S3步骤中G(x、y)进行图像分割,设置分割参数G;分割后的图像为g(x,y);
S5、对所述步骤S4中g(x、y)进行目标定位,通过计算g(x、y)列梯度差和行梯度差可以求得图像边缘灰度变化最激烈的部分,在分割区域内定位出道岔指示器;
S5、对所述步骤S5道岔指示器与S1中的标准图像库进行识别,判断道岔指示器所指方向。
2.根据权利要求1所述的一种道岔指示器图像识别方法,其特征在于,所述s值范围为0.65≤s≤0.8。
3.根据权利要求1或2中所述的一种道岔指示器图像识别方法,其特征在于,所述的步骤S4中分割参数G为200。
4.根据权利要求1或2中所述的一种道岔指示器图像识别方法,,其特征在于,所述的步骤S3中a等于150,b等于200,c等于50,d等于150,mf等于255,mg等于240。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610253035.5A CN105930801A (zh) | 2016-04-22 | 2016-04-22 | 一种道岔指示器图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610253035.5A CN105930801A (zh) | 2016-04-22 | 2016-04-22 | 一种道岔指示器图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105930801A true CN105930801A (zh) | 2016-09-07 |
Family
ID=56839779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610253035.5A Pending CN105930801A (zh) | 2016-04-22 | 2016-04-22 | 一种道岔指示器图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105930801A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107476151A (zh) * | 2017-08-21 | 2017-12-15 | 四川西南交大铁路发展股份有限公司 | 基于图像识别的道岔尖轨爬行量监测方法、装置及其系统 |
CN108875631A (zh) * | 2018-06-14 | 2018-11-23 | 北京华开领航科技有限责任公司 | 一种道岔开通方向确定方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
-
2016
- 2016-04-22 CN CN201610253035.5A patent/CN105930801A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
Non-Patent Citations (5)
Title |
---|
DRAGANA CAREVIC等: ""Region-based coding of color images using Karhunen–Loeve transform"", 《GRAPHICAL MODELS AND IMAGE PROCESSING》 * |
YONG YANG等: "《Advanced Materials Research. Trans Tech Publications》", 16 August 2013 * |
于本成等: ""机器视觉技术中图像投影的算法"", 《网络安全技术与应用》 * |
傅建强等: ""基于条件随机场的低图像质量车牌字符分割"", 《计算机应用与软件》 * |
尼克松等: "《计算机视觉特征提取与图像处理》", 30 November 2014, 北京:电子工业出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107476151A (zh) * | 2017-08-21 | 2017-12-15 | 四川西南交大铁路发展股份有限公司 | 基于图像识别的道岔尖轨爬行量监测方法、装置及其系统 |
CN108875631A (zh) * | 2018-06-14 | 2018-11-23 | 北京华开领航科技有限责任公司 | 一种道岔开通方向确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112102409B (zh) | 目标检测方法、装置、设备及存储介质 | |
US20100284572A1 (en) | Systems and methods for extracting planar features, matching the planar features, and estimating motion from the planar features | |
US10349832B2 (en) | Method of detecting boundary between iris and sclera | |
US20130121562A1 (en) | Method, System and Computer Program Product for Identifying Locations of Detected Objects | |
CN108052904B (zh) | 车道线的获取方法及装置 | |
CN103996198A (zh) | 复杂自然环境下感兴趣区域的检测方法 | |
CN102609934A (zh) | 一种基于深度图像的多目标分割和跟踪方法 | |
CN108447016B (zh) | 基于直线交点的光学图像和sar图像的匹配方法 | |
CN105374049B (zh) | 一种基于稀疏光流法的多角点跟踪方法及装置 | |
CN105678737B (zh) | 一种基于Radon变换的数字图像角点检测方法 | |
CN114782499A (zh) | 一种基于光流和视图几何约束的图像静态区域提取方法及装置 | |
KR20110021500A (ko) | 이동객체의 실시간 추적과 거리 측정 방법 및 그 장치 | |
CN110688873A (zh) | 多目标追踪方法及人脸识别方法 | |
CN105930801A (zh) | 一种道岔指示器图像识别方法 | |
CN114359383A (zh) | 一种图像定位方法、装置、设备以及存储介质 | |
CN106033613B (zh) | 目标跟踪方法及装置 | |
CN109087347A (zh) | 一种图像处理方法及装置 | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
CN107437257A (zh) | 一种移动背景下的运动物体检测与分割方法 | |
CN106023168A (zh) | 一种视频监控中边缘检测的方法及装置 | |
CN112541471B (zh) | 一种基于多特征融合的遮挡目标识别方法 | |
CN113723432B (zh) | 一种基于深度学习的智能识别、定位追踪的方法及系统 | |
US20150341647A1 (en) | Accelerated image processing | |
CN112465867B (zh) | 一种基于卷积神经网络的红外点目标实时检测跟踪方法 | |
CN110033474B (zh) | 目标检测方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |
|
RJ01 | Rejection of invention patent application after publication |