CN105930839B - 一种电气化铁路接触网支柱杆号智能识别方法 - Google Patents
一种电气化铁路接触网支柱杆号智能识别方法 Download PDFInfo
- Publication number
- CN105930839B CN105930839B CN201510760473.6A CN201510760473A CN105930839B CN 105930839 B CN105930839 B CN 105930839B CN 201510760473 A CN201510760473 A CN 201510760473A CN 105930839 B CN105930839 B CN 105930839B
- Authority
- CN
- China
- Prior art keywords
- bar
- value
- empty
- sequence
- previous
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
- G06V30/1983—Syntactic or structural pattern recognition, e.g. symbolic string recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种电气化铁路接触网支柱杆号智能识别方法,其步骤如下:(1)在计算机的控制之下,利用一台130万像素的工业相机,对铁路沿线支柱杆号进行拍摄,图像大小为1280*1024pix,作为图像识别的输入源;(2)将步骤1采集的图像,输入到计算机中进行图像识别计算,获得立柱杆号识别序列;(3)对获得的立柱杆号识别序列中的各个元素进行推断;(4)根据步骤(3)推断的杆号结果,存档保存。该发明方法中,提供了一种电气化铁路接触网支柱杆号智能识别方法,该方法能够简单、迅速地针对电气化铁路线路中的支柱杆号进行定位识别,快速实现一杆一档存储,使用效率高,方便快捷。
Description
技术领域
本发明涉及一种电气化铁路接触网支柱杆号智能识别方法,属于铁路接触网信号识别实际领域。
背景技术
铁路4C系统,即接触网悬挂状态检测监测装置,该装置采用先进精确定位,高速图像采集、超均匀集成光源、图像自动识别技术,实现时速0-200公里条件下接触网悬挂部件工况图像的高速采集、存储、自动分析,完成对接触网零部件状态松、脱、裂等缺陷的全面识别,自动检测异常并及时预警,指导故障隐患的消缺,为接触网运营安全提供有力保障。接触网是在电气化铁道中,沿钢轨上空“之”字形架设的,供受电弓取流的高压输电线。接触网是铁路电气化工程的主构架,是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路,其由接触悬挂、支持装置、定位装置、支柱等部分组成。接触网的正常工作是保证电气化铁路正常运营的关键,市面上暂无对接触网支柱杆号定位的方法或产品,无法定位支柱杆号在电气化线路中的位置,对接触网维护及电气化铁路的正常运营带来了很多不便。对此,需要采用合适方法予以改进。
发明内容
本发明的目的在于提供一种电气化铁路接触网支柱杆号智能识别方法,以便更好地针对电气化线路中的定位支柱杆号进行定位识别,改善使用效果。
为了实现上述目的,本发明的技术方案如下。
一种电气化铁路接触网支柱杆号智能识别方法,该步骤如下:
(1)在计算机的控制之下,利用一台130万像素的工业相机,对铁路沿线支柱杆号进行拍摄,图像大小为1280*1024pix,作为图像识别的输入源;
(2)将步骤(1)采集的图像,输入到计算机中,利用图像识别技术对杆号图像进行识别计算,得到图像识别的杆号值,具体方法步骤如下:
S1、识别数据约定规则如下:
S1.1、设定杆号的图像识别值为整数;
S1.2、设定杆号的算法推断值为整数;
S1.3、用布尔值判断杆号的可信度为可信或不可信;
S1.4、用0~1之间的浮点数值作为杆号每个数字的识别度,越接近1,越准确;
S1.5、用整数表示输入源的杆号数量,1为单杆,2为双杆,>2为多杆;将该步骤得到的三个数值的集合列表在计算机中进行推断计算;
S2、杆号数据分割步骤如下:
S2.1、利用杆号强反光特性,即杆号区域在图像中呈现高亮特性。通过波峰波谷原理,获得高亮区域的波谷点,作为分割阈值,经过二值分割提取得到杆号区域;
S2.2、将S2.1获得的数据进行归一化处理。由于摄像机拍摄角度的影响,导致拍摄到的杆号发生仿射变化,利用数字发生形变的方向特性,获得仿射变化的旋转偏移矩阵。然后将图像数据乘以仿射变化获得的矩阵量,得到校正后的数字杆号图像;
S2.3、将S2.2获得的数据进行数字分割处理。由于支柱杆号数字和字母都是宋体,因此归一化后的图像数据中,每个数字与字母大小都一致,并间隔也保持一致,则采用等间距的方式或者采用垂直投影算法将数字和字母完全分割。
S3、杆号识别步骤如下:
S3.1、将0~9和A~Z的所有宋体数据进行训练,形成字库;
S3.2、将(S2)获得的图像分割数据和(S3.1)的字库进行对比识别,获得(S1)中所需要的值。
S4、重复(S1)~(S3)中的步骤,获取支柱杆号识别序列。
(3)对杆号进行推断,采用下列步骤进行,具体为:
Z1、遍历步骤(2)中得到的杆号识别序列:
Z1.1第一次遍历,判断当前杆和前一个非空杆的识别值的差值,若为正,杆号识别序列递增数量值A加1;若为负,杆号识别序列递减数量值B加1;遍历结束后,若满足A>B+3,当前序列为递增序列,反之当前序列为递减序列;
Z1.2第二次遍历,记录当前杆号识别值C,记录前一个非空杆的识别值D,设E=C-D;若E>0,E<=6,当前杆号序列为递增序列,则当前杆识别有效属性为真,推断值为识别值;若E<0,E>=-6,当前杆号序列为递减序列,当前杆识别有效属性为真,推断值为识别值;保存结果到数据集合;
Z2、再次遍历步骤(2)中获取的杆号识别值集合,在步骤Z1的基础上再次推断;
(4)根据步骤(3)推断的杆号结果,写入数据库存档保存。
进一步地,步骤Z2中,在步骤Z1的基础上再次推断的方法步骤为:
Z2.1、根据前后杆推断,找到前一个非空杆号识别值,记录为P1,找到后一个非空杆号识别值,记录为P2,当前杆号的识别值记录为P,若前杆或后杆找不到非空杆,则P1=10000或P2=10000;计算如下参数:计算当前杆和前一个非空杆的差值,前一个非空杆若不可信,取识别值,若可信,取推断值,记录为V1;计算当前杆和后一个非空杆的差值,后一个非空杆若不可信,取识别值,若可信,取推断值,记录为V2;计算后一个非空杆和前一个非空杆的差值,记录为V3,若后一个非空杆若不可信,取识别值,若可信,取推断值;若前一个非空杆不可信,取识别值,若可信,取推断值;若V3的绝对值小于10,若V3>0且步骤(3)结果为递增序列,或V3<0且步骤(3)结果为递减序列,继续步骤Z2.1,否则直接跳到步骤Z2.2;若V1绝对值小于10或绝对值V2小于10,当前杆号可靠,记录结果;若V3绝对值等于4,当前杆可靠,当前杆的杆号和前一杆P1或后一杆P2的杆号差2,符号由序列的增长趋势决定,记录结果;若V3绝对值等于6:若前一个非空杆为双杆,则当前杆可靠,当前杆的杆号和前一个非空杆的杆号差4,符号由序列的增长趋势决定,记录结果;若绝对值V3等于8:若前一个非空杆为双杆且当前杆为双杆,则当前杆可靠,当前杆的杆号和前一个非空杆的杆号差值4,符号由序列的增长趋势决定,记录结果;若不满足以上情况,根据当前杆的杆号识别值的个位识别精度进行判断:若当前杆的识别值个位识别精度>0.99,当前杆为前一可靠杆的识别值加上差值,同时判断修正后的值是否满足序列的增长趋势;
Z2.2、根据前后可靠杆推断:找到当前杆的前一个可靠非空杆,找到当前杆的后一个可靠非空杆,同时记录找到前后可靠非空杆跳过的杆个数N1,N2,其中,双杆计数为2,单杆计数为1;计算后一个可靠非空杆和前一个可靠非空杆的推断杆号的差值,记录为V4,若前后非空杆未找到,其杆号值默认置1000;若V4/(N1+N2+2)等于2或4,当前杆可靠,记录数据;
Z2.3、根据杆号识别度推断:若当前杆识别杆号的个位识别精度>0.99,则查找前一个可靠杆,记录跳过的可靠杆个数N3;若前一个可靠杆的推断值加上跳过杆的值((N3+1)*2)对10取余等于当前杆识别杆号的个位值,则认为当前杆可靠,记录数据;若后一个可靠杆的推断值减去跳过杆的值((N3+1)*2)对10取余等于当前杆识别杆号的个位值,则认为当前杆可靠,记录数据;
Z2.4、根据前后连续可靠杆推断:查找当前杆前面杆号集合中是否有3个连续杆,若查找成功,则认为当前杆为可靠杆;查找当前杆后面杆号集合中是否有3个连续杆,若查找成功,则认为当前杆为可靠杆;
Z2.5、根据铁路支柱杆号基础数据表推断:查找前一个可靠杆,查找数据库基础表中此杆前后位置的杆号数据,对比数据,推断当前杆位置。
该发明的有益效果在于:该发明方法中,提供了一种电气化铁路接触网支柱杆号智能识别方法,该方法能够简单、迅速地针对电气化线路中的定位支柱杆号进行定位识别,使用效率高,方便快捷。
附图说明
图1是本发明实施例中所使用的方法流程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便更好的理解本发明。
实施例
本实施例中的电气化铁路接触网支柱杆号智能识别方法,采用如图1所示的流程方法,将利用图像采集进行数据采集,然后通过图像识别进行识别,最后利用杆号判断进行数据判断,其步骤如下:
(1)在计算机的控制之下,利用一台130万像素的工业相机,对铁路沿线支柱杆号进行拍摄,图像大小为1280*1024pix,作为图像识别的输入源;
(2)将步骤(1)采集的图像,输入到计算机中,利用图像识别技术对杆号图像进行识别计算,得到图像识别的杆号值,具体方法步骤如下:
S1、识别数据约定规则如下:
S1.1、设定杆号的图像识别值为整数;
S1.2、设定杆号的算法推断值为整数;
S1.3、用布尔值判断杆号的可信度为可信或不可信;
S1.4、用0~1之间的浮点数值作为杆号每个数字的识别度,越接近1,越准确;
S1.5、用整数表示输入源的杆号数量,1为单杆,2为双杆,>2为多杆;将该步骤得到的三个数值的集合列表在计算机中进行推断计算;
S2、杆号数据分割步骤如下:
S2.1、利用杆号强反光特性,即杆号区域在图像中呈现高亮特性。通过波峰波谷原理,获得高亮区域的波谷点,作为分割阈值,经过二值分割提取得到杆号区域;
S2.2、将S2.1获得的数据进行归一化处理。由于摄像机拍摄角度的影响,导致拍摄到的杆号发生仿射变化,利用数字发生形变的方向特性,获得仿射变化的旋转偏移矩阵。然后将图像数据乘以仿射变化获得的矩阵量,得到校正后的数字杆号图像;
S2.3、将S2.2获得的数据进行数字分割处理。由于支柱杆号数字和字母都是宋体,因此归一化后的图像数据中,每个数字与字母大小都一致,并间隔也保持一致,则采用等间距的方式或者采用垂直投影算法将数字和字母完全分割。
S3、杆号识别步骤如下:
S3.1、将0~9和A~Z的所有宋体数据进行训练,形成字库;
S3.2、将(S2)获得的图像分割数据和(S3.1)的字库进行对比识别,获得(S1)中所需要的值。
S4、重复(S1)~(S3)中的步骤,获取支柱杆号识别序列。
(3)对杆号进行推断,采用下列步骤进行,具体为:
Z1、遍历步骤(2)中得到的杆号识别序列:
Z1.1第一次遍历,判断当前杆和前一个非空杆的识别值的差值,若为正,杆号识别序列递增数量值A加1;若为负,杆号识别序列递减数量值B加1;遍历结束后,若满足A>B+3,当前序列为递增序列,反之当前序列为递减序列;
Z1.2第二次遍历,记录当前杆号识别值C,记录前一个非空杆的识别值D,设E=C-D;若E>0,E<=6,当前杆号序列为递增序列,则当前杆识别有效属性为真,推断值为识别值;若E<0,E>=-6,当前杆号序列为递减序列,当前杆识别有效属性为真,推断值为识别值;保存结果到数据集合;
Z2、再次遍历步骤(2)中获取的杆号识别值集合,在步骤Z1的基础上再次推断;再次推断的方法步骤为:
Z2.1、根据前后杆推断,找到前一个非空杆号识别值,记录为P1,找到后一个非空杆号识别值,记录为P2,当前杆号的识别值记录为P,若前杆或后杆找不到非空杆,则P1=10000或P2=10000;计算如下参数:计算当前杆和前一个非空杆的差值,前一个非空杆若不可信,取识别值,若可信,取推断值,记录为V1;计算当前杆和后一个非空杆的差值,后一个非空杆若不可信,取识别值,若可信,取推断值,记录为V2;计算后一个非空杆和前一个非空杆的差值,记录为V3,若后一个非空杆不可信,取识别值,若可信,取推断值;若前一个非空杆不可信,取识别值,若可信,取推断值;若V3的绝对值小于10:若V3>0且步骤(3)结果为递增序列,或V3<0且步骤(3)结果为递减序列,继续步骤Z2.1,否则直接跳到步骤Z2.2;若V1绝对值小于10或绝对值V2小于10,当前杆号可靠,记录结果;若V3绝对值等于4,当前杆可靠,当前杆的杆号和前一杆P1或后一杆P2的杆号差2,符号由序列的增长趋势决定,记录结果;若V3绝对值等于6:若前一个非空杆为双杆,则当前杆可靠,当前杆的杆号和前一个非空杆的杆号差4,符号由序列的增长趋势决定,记录结果;若绝对值V3等于8:若前一个非空杆为双杆且当前杆为双杆,则当前杆可靠,当前杆的杆号和前一个非空杆的杆号差值4,符号由序列的增长趋势决定,记录结果;若不满足以上情况,根据当前杆的杆号识别值的个位识别精度进行判断:若当前杆的识别值个位识别精度>0.99,当前杆为前一可靠杆的识别值加上差值,同时判断修正后的值是否满足序列的增长趋势;
Z2.2、根据前后可靠杆推断:找到当前杆的前一个可靠非空杆,找到当前杆的后一个可靠非空杆,同时记录找到前后可靠非空杆跳过的杆个数N1,N2,其中,双杆计数为2,单杆计数为1;计算后一个可靠非空杆和前一可靠非空杆的推断杆号的差值,记录为V4,若前后非空杆未找到,其杆号值默认置1000;若V4/(N1+N2+2)等于2或4,当前杆可靠,记录数据;
Z2.3、根据杆号识别度推断:若当前杆识别杆号的个位识别精度>0.99,则查找前一个可靠杆,记录跳过的可靠杆个数N3;若前一个可靠杆的推断值加上跳过杆的值((N3+1)*2)对10取余等于当前杆识别杆号的个位值,则认为当前杆可靠,记录数据;若后一个可靠杆的推断值减去跳过杆的值((N3+1)*2)对10取余等于当前杆识别杆号的个位值,则认为当前杆可靠,记录数据;
Z2.4、根据前后连续可靠杆推断:查找当前杆前面杆号集合中是否有3个连续杆,若查找成功,则认为当前杆为可靠杆;查找当前杆后面杆号集合中是否有3个连续杆,若查找成功,则认为当前杆为可靠杆;
Z2.5、根据铁路支柱杆号基础数据表推断:查找前一个可靠杆,查找数据库基础表中此杆前后位置的杆号数据,对比数据,推断当前杆位置。
(4)根据步骤(3)推断的杆号结果,存档保存。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (2)
1.一种电气化铁路接触网支柱杆号智能识别方法,其特征在于:步骤如下:
(1)在计算机的控制之下,利用一台130万像素的工业相机,对铁路沿线支柱杆号进行拍摄,图像大小为1280*1024pix,作为图像识别的输入源;
(2)将步骤(1)采集的图像,输入到计算机中,利用图像识别技术对杆号图像进行识别计算,得到杆号图像的识别值,具体方法步骤如下:
S1、识别数据约定规则如下:
S1.1、设定杆号的图像识别值为整数;
S1.2、设定杆号的算法推断值为整数;
S1.3、用布尔值判断杆号可信或不可信;
S1.4、用0~1之间的浮点数值作为杆号每个数字的识别度,越接近1,越准确;
S1.5、用整数表示单张图像中拍摄的杆号数量,1为单杆,2为双杆,>2为多杆;将该步骤得到的三个数值的集合列表在计算机中进行推断计算;
S2、杆号数据分割步骤如下:
S2.1、利用杆号强反光特性,即杆号区域在图像中呈现高亮特性;通过波峰波谷原理,获得高亮区域的波谷点,作为分割阈值,经过二值分割提取得到杆号区域;
S2.2、将S2.1获得的数据进行归一化处理;由于摄像机拍摄角度的影响,导致拍摄到的杆号发生仿射变化,利用数字发生形变的方向特性,获得仿射变化的旋转偏移矩阵,然后将图像数据乘以仿射变化获得的矩阵量,得到校正后的数字杆号图像;
S2.3、将S2.2获得的数据进行数字分割处理;由于立柱杆号数字和字母都是宋体,因此归一化后的图像数据中,每个数字与字母大小、间隔均保持一致;采用等间距方式或垂直投影算法将数字和字母完全分割;
S3、杆号识别步骤如下:
S3.1、将0~9和A~Z的所有宋体数据进行训练,形成字库;
S3.2、将S2获得的图像分割数据和S3.1的字库进行对比识别,获得S1中所需要的值;
S4、重复S1~S3中的步骤,获取立柱杆号识别序列;
(3)对杆号进行推断,采用下列步骤进行,具体为:
Z1、遍历步骤(2)中得到的杆号识别序列:
Z1.1第一次遍历,判断当前杆和前一个非空杆的识别值的差值,若为正,杆号识别序列递增数量值A加1;若为负,杆号识别序列递减数量值B加1;遍历结束后,若满足A>B+3,当前序列为递增序列,反之当前序列为递减序列;
Z1.2第二次遍历,记录当前杆号识别值C,记录前一非空杆的识别值D,设E=C-D;若E>0,E<=6,且当前杆号序列为递增序列,则当前杆识别可信属性为真,推断值为识别值;若E<0,E>=-6,且当前杆号序列为递减序列,当前杆识别可信属性为真,推断值为识别值;保存结果到杆号识别序列;
Z2、再次遍历步骤(2)中获取的杆号识别序列,在步骤Z1的基础上再次推断;
(4)根据步骤(3)推断的杆号结果,存档保存。
2.根据权利要求1所述的电气化铁路接触网支柱杆号智能识别方法,其特征在于:所述步骤Z2中,在步骤Z1的基础上再次推断的方法步骤为:
Z2.1、根据前后杆推断,根据当前杆,找到前一个非空杆号识别值,记录为P1,找到后一个非空杆号识别值,记录为P2,当前杆号的识别值记录为P,若前杆或后杆找不到非空杆,则P1=10000或P2=10000;计算如下参数:
计算当前杆和前一非空杆的差值,前一非空杆若不可信,取识别值,若可信,取推断值,记录为V1;计算当前杆和后一非空杆的差值,若后一非空杆不可信,取识别值,若可信,取推断值,记录为V2;计算后一非空杆和前一非空杆的差值,记录为V3,若后一非空杆若不可信,取识别值,若可信,取推断值;若前一非空杆若不可信,取识别值,若可信,取推断值;若V3的绝对值小于10;根据以上计算参数判断:
若V3>0且步骤(3)结果为递增序列,或V3<0且步骤(3)结果为递减序列,继续步骤Z2.1,否则直接调到步骤Z2.2;若V1绝对值小于10或V2绝对值小于10,当前杆号可靠,记录结果;若V3绝对值等于4,当前杆可靠,当前杆的杆号为前一杆P1或后一杆P2的杆号差2,符号由序列的增长趋势决定,记录结果;若V3绝对值等于6:若前一非空杆为双杆,则当前杆可靠,当前杆的杆号和前一非空杆的杆号差4,符号由序列的增长趋势决定,记录结果;若绝对值V3等于8:若前一非空杆为双杆且当前杆为双杆,则当前杆可靠,当前杆的杆号和前一非空杆的杆号差值4,符号由序列的增长趋势决定,记录结果;若不满足以上情况,根据当前杆的杆号识别值的个位识别精度进行判断:若当前杆的识别值个位识别精度>0.99,当前杆为前一可靠杆的识别值加上当前杆与前一个可靠杆各位的差值,同时判断修正后的值是否满足序列的增长趋势;
Z2.2、根据前后可靠杆推断:找到当前杆的前一个可靠非空杆,找到当前杆的后一个可靠非空杆,同时记录找到前后可靠非空杆跳过的杆个数N1,N2,其中,双杆计数为2,单杆计数为1;计算后一个可靠非空杆和后一个可靠非空杆的推断杆号的差值,记录为V4,若前后非空杆未找到,其杆号值默认置1000;若V4/(N1+N2+2)等于2或4,当前杆可靠,记录数据;
Z2.3、根据杆号识别度推断:若当前杆识别杆号的个位识别精度>0.99,则查找前一个可靠杆,记录跳过的可靠杆个数N3;前一个可靠杆的推断值加上跳过杆的值((N3+1)*2)对10取余记录为V4,若V4等于当前杆识别杆号的个位值,则认为当前杆可靠,记录数据;后一可靠杆的推断值减去跳过杆的值((N3+1)*2)对10取余记录为V5,若V5等于当前杆识别杆号的个位值,则认为当前杆可靠,记录数据;
Z2.4、根据前后连续可靠杆推断:查找当前杆前面杆号序列中是否有3个连续杆,若查找成功,则认为当前杆为可靠杆;查找当前杆后面杆号序列中是否有3个连续杆,若查找成功,则认为当前杆为可靠杆;
Z2.5、根据铁路支柱杆号基础数据表推断:查找前一个可靠杆,查找数据库基础表中此杆前后位置杆号数据,对比后数据,推断当前杆位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510760473.6A CN105930839B (zh) | 2015-11-11 | 2015-11-11 | 一种电气化铁路接触网支柱杆号智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510760473.6A CN105930839B (zh) | 2015-11-11 | 2015-11-11 | 一种电气化铁路接触网支柱杆号智能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105930839A CN105930839A (zh) | 2016-09-07 |
CN105930839B true CN105930839B (zh) | 2019-04-05 |
Family
ID=56839912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510760473.6A Active CN105930839B (zh) | 2015-11-11 | 2015-11-11 | 一种电气化铁路接触网支柱杆号智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105930839B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599894A (zh) * | 2016-12-27 | 2017-04-26 | 上海铁路局科学技术研究所 | 一种基于图像识别的接触网杆号识别方法 |
CN110728269B (zh) * | 2019-12-17 | 2020-08-21 | 西南交通大学 | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 |
CN112009528A (zh) * | 2020-09-03 | 2020-12-01 | 西南交通大学 | 一种基于接触网及其附属器件的列车定位方法 |
CN112009529A (zh) * | 2020-09-03 | 2020-12-01 | 西南交通大学 | 一种基于接触网支柱杆号图像识别的列车定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902974A (zh) * | 2012-08-23 | 2013-01-30 | 西南交通大学 | 一种基于图像的铁路接触网杆柱标识信息的识别方法 |
CN103196372A (zh) * | 2013-04-11 | 2013-07-10 | 北京和润科仪科技有限公司 | 一种电气化铁路接触网支持装置的光学成像检测方法 |
CN103745224A (zh) * | 2013-12-24 | 2014-04-23 | 西南交通大学 | 基于图像的铁路接触网鸟窝异常情况检测方法 |
CN104615974A (zh) * | 2015-01-15 | 2015-05-13 | 成都交大光芒科技股份有限公司 | 基于跟踪算法的连续支柱号牌图像识别方法 |
-
2015
- 2015-11-11 CN CN201510760473.6A patent/CN105930839B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902974A (zh) * | 2012-08-23 | 2013-01-30 | 西南交通大学 | 一种基于图像的铁路接触网杆柱标识信息的识别方法 |
CN103196372A (zh) * | 2013-04-11 | 2013-07-10 | 北京和润科仪科技有限公司 | 一种电气化铁路接触网支持装置的光学成像检测方法 |
CN103745224A (zh) * | 2013-12-24 | 2014-04-23 | 西南交通大学 | 基于图像的铁路接触网鸟窝异常情况检测方法 |
CN104615974A (zh) * | 2015-01-15 | 2015-05-13 | 成都交大光芒科技股份有限公司 | 基于跟踪算法的连续支柱号牌图像识别方法 |
Non-Patent Citations (1)
Title |
---|
接触网设备检修辅助管理系统分析;杨桃峰 等;《中国电气化铁路两万公里学术会议论文集》;20051201;第147-148页 |
Also Published As
Publication number | Publication date |
---|---|
CN105930839A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105930839B (zh) | 一种电气化铁路接触网支柱杆号智能识别方法 | |
TWI425454B (zh) | 行車路徑重建方法、系統及電腦程式產品 | |
CN101821734B (zh) | 时基媒体之间的匹配的检测和分类 | |
CN110472467A (zh) | 基于YOLO v3的针对交通枢纽关键物体的检测方法 | |
CN103970733B (zh) | 一种基于图结构的中文新词识别方法 | |
CN104615986B (zh) | 利用多检测器对场景变化的视频图像进行行人检测的方法 | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
CN104463235A (zh) | 基于动车组运行图像的故障识别方法及装置 | |
CN103257992A (zh) | 一种相似视频检索的方法及系统 | |
CN102346153A (zh) | 一种隧道病害的检测方法 | |
CN111368867B (zh) | 档案归类方法及系统、计算机可读存储介质 | |
CN112507760B (zh) | 暴力分拣行为的检测方法、装置及设备 | |
CN103605666A (zh) | 一种进行广告检测的视频拷贝检测方法 | |
CN111640135A (zh) | 一种基于硬件前端的tof摄像头行人计数方法 | |
CN115830399B (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
CN115810160A (zh) | 一种道路交通视频中敏感信息自动脱敏处理方法及系统 | |
US9613271B2 (en) | Determining severity of a geomagnetic disturbance on a power grid using similarity measures | |
CN105554456A (zh) | 视频处理方法和设备 | |
CN111862023A (zh) | 一种基于计算机视觉的受电弓结构异常检测方法 | |
US8126262B2 (en) | Annotating video segments using feature rhythm models | |
CN111079527B (zh) | 一种基于3d残差网络的镜头边界检测方法 | |
CN101303701B (zh) | 视频检索方法及装置 | |
CN104484869A (zh) | 面向排序测度特征的图像匹配方法及系统 | |
Schörkhuber et al. | Bounding box propagation for semi-automatic video annotation of nighttime driving scenes | |
CN105681712A (zh) | 视频数据处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |