CN113378646A - 一种货运列车信息识别系统及识别方法 - Google Patents

Abstract

本发明公开了一种货运列车信息识别系统及识别方法。系统包括：车辆检测单元，安装于靠近货运列车进站口处，用于检测图像采集区域内的货运列车来车；图像采集单元，安装于站台处并与所述车辆检测单元连接，用于在所述车辆检测单元检测到来车时采集货运列车的图像数据；图像处理单元，与所述图像采集单元连接，用于接收所述图像数据并进行处理，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息，其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。本发明可以对车厢类型、车厢号等详细标记信息进行精准识别，提高了识别精度和识别效率，提高了系统的自动化程度。

Description

一种货运列车信息识别系统及识别方法

技术领域

本发明涉及图像识别处理技术领域，尤其涉及一种货运列车信息识别系统及识别方法。

背景技术

铁路货场包括货物的集运、转运、存储、进出物资等环节，货运信息是运输管理工作关键信息之一。随着铁路运输的高速发展和货运量的迅速增长，车厢号识别在货运列车位置追踪和异常状态检测中有着广泛的应用，是货运列车安全运营的重要基础。比如，当检测到货运列车发生异常情况时，可以将车厢号信息作为货运列车身份的标志，与设备的安全状态信息关联后，向控制中心发出警报。传统的车厢号人工抄录方式，存在站台作业效率低、作业人员的劳动强度高的问题。

基于图像处理的车厢号识别技术，是人工智能的一个重要领域，其旨在通过对图像进行相应处理、计算和特征提取，获取图像中的车厢号信息，从而对车厢号进行识别。不同于汽车牌号的特点，货运列车的车型复杂，车厢号没有固定的位置、颜色以及字体，并且货运列车的车厢号数字间隔大、在粉刷时容易出现字符断裂，阴影、涂鸦、符号和车厢污损也都给车厢号识别带来干扰。采用传统图像处理技术进行车厢号识别，存在识别信息不准确、车厢号不连贯等问题，难以满足性能上的需求。

发明内容

本发明的目的在于，针对现有技术中存在的技术问题，提供一种货运列车信息识别系统及识别方法，可对货运列车的车型、车厢号等详细标记信息进行精准识别，可以提高数据真实性、及时性、准确性和连贯性，提高了站台作业效率，减轻了作业人员的劳动强度。

为实现上述目的，本发明提供了一种货运列车信息识别系统，包括：车辆检测单元，安装于靠近货运列车进站口处，用于检测图像采集区域内的货运列车来车；图像采集单元，安装于站台处并与所述车辆检测单元连接，用于在所述车辆检测单元检测到来车时采集货运列车的图像数据；图像处理单元，与所述图像采集单元连接，用于接收所述图像数据并进行处理，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息，其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。

为实现上述目的，本发明还提供了一种货运列车信息识别方法，包括如下步骤：检测图像采集区域内的货运列车来车；在检测到来车时采集货运列车的图像数据；对所述图像数据进行解析，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息，其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。

本发明的优点在于：基于人工智能深度学习技术，通过图像分析识别，可以对车厢类型、车厢号、载重、自重、容积、换长等详细标记信息进行精准识别，保证数据真实性、及时性、准确性和连贯性，提高了识别精度和识别效率，提高了系统的自动化程度，提高了站台作业效率，减轻了作业人员的劳动强度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明货运列车信息识别系统的架构示意图；

图2为本发明货运列车信息识别系统一实施例的工作原理示意图；

图3为本发明货运列车信息识别方法的流程示意图；

图4为本发明标记信息识别的一实施例的流程示意图。

具体实施方式

下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。本发明的说明书和权利要求书以及附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解，这样描述的对象在适当情况下可以互换。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排它的包含。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1，其为本发明货运列车信息识别系统的架构示意图。如图1所示，所述货运列车信息识别系统10包括：车辆检测单元11、图像采集单元12以及图像处理单元13。

所述车辆检测单元11安装于靠近货运列车进站口处，用于检测图像采集区域内的货运列车20来车。所述图像采集单元12安装于站台处并与所述车辆检测单元11连接，用于在所述车辆检测单元11检测到来车时采集货运列车的图像数据。所述图像处理单元13与所述图像采集单元12连接，用于接收所述图像数据并进行处理，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息；其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。所述图像处理单元13还用于将标记信息与车厢图像关联，并提供至外部业务应用设备29，可为外部业务应用设备29(上层系统)提供相应的识别数据，以实现作业流程准确、高效衔接与支撑服务。

进一步的实施例中，所述车辆检测单元11还用于检测到图像采集区域内有来车时产生开机信号并传递给所述图像采集单元12，控制所述图像采集单元12开启工作。也即，图像采集单元12日常处于关闭状态，只有在车辆检测单元11检测到有来车时才图像采集单元12开启工作。通过对图像采集单元12进行自定义配置，可实现根据来车自动开启，节约能源，且全程无需人工干预，提高系统的自动化程度。

进一步的实施例中，所述车辆检测单元11还用于在超过设定时间(例如超过10秒钟)未检测到图像采集区域内有来车时产生关机信号并传递给所述图像采集单元12，控制所述图像采集单元12停止工作。也即，在车辆检测单元11长时间未检测到有来车时，图像采集单元12停止工作。通过对图像采集单元12进行自定义配置，可实现在判定车辆已经离开时自动关闭，节约能源，且全程无需人工干预，提高系统的自动化程度。

进一步的实施例中，所述车辆检测单元11还用于检测货运列车来车的车速并传递给所述图像采集单元12；所述图像采集单元12进一步用于根据车速实时调整图像数据的采样频率。例如，对应采用相机作为图像采集单元12来说，可以通过调整曝光值来调整图像数据的采样频率以适应车速，从而可以保证最佳成像效果。

具体地，所述车辆检测单元11可以采用车轮传感器；车轮传感器安装于靠近货运列车进站口处，当有车辆经过时车轮传感器就会产生信号；进一步通过获取车厢前后轮通过经过时车轮传感器的时间差，还可以计算车速。在其它实施例中，还可以在靠近货运列车进站口处间隔设置两组车轮传感器，根据同一车轮经过不同车轮传感器的时间差，也可以计算车速。

进一步的实施例中，所述图像采集单元12包括自动变焦相机，用于抓拍货运列车来车的车厢图像，从而向所述图像处理单元13提供静态图像作为图像数据。优选地，所述自动变焦相机(可采用市售设备)可根据货运列车来车的车速实时调整曝光值，从而可以获取良好的车厢图像、且保证获取的车厢图像具有较高的分辨率。具体地，所述自动变焦相机可安装在站台处的水泥柱或监控立杆的适当高度，以对货运列车来车进行抓拍获取车厢图像。所述自动变焦相机采集的图像数据可以通过以太网传输至所述图像处理单元13。

进一步的实施例中，所述系统还包括：安装于靠近所述自动变焦相机处的补光灯，用于在所述自动变焦相机工作且环境光照度低于设定值时开启。当环境光的光线较暗的时候相机很难对焦；此时，通过开启补光灯，可以照亮待拍摄物体，使得相机准确对焦，保证成像效果。具体地，补光灯也可安装在站台处的水泥柱或监控立杆的适当高度并靠近自动变焦相机。补光灯内部可以包括光照度传感器、控制器和LED灯；通过光照度传感器检测环境光照度；通过控制器在有来车且环境光照度低于设定值时控制LED灯开启，车离开后控制LED灯关闭。

进一步的实施例中，所述图像采集单元12包括网络视频录像机，用于录制货运列车来车过程，从而向所述图像处理单元13提供动态图像作为图像数据。具体地，所述网络视频录像机(例如F-NVR200)可安装在站台处的水泥柱或监控立杆的适当高度，以对货运列车来车过程进行录制，其最高可以响应50千米每小时的列车运行速度。网络视频录像机F-NVR200，支持16路H.265/H.264视频输入，支持HDMI及VGA同时输出，最高支持4K高清分辨率，支持摄像头事件触发及图像截取，最高支持12TB的存储容量等。所述网络视频录像机可以通过光纤与所述图像处理单元13相连。货运列车一般包括多节车厢、且列车行驶速度非常快，单以相机抓拍可能会有图像的遗漏；而通过录像机能够确保货运列车行驶来的整个过程被完整地记录下来，从而在录像中对关键帧进行识别及图像的提取，保证信息的完整性；且通过针对于录制视频进行关键帧截取，每一节车厢都可以截取到大量的图片，可以从中选取分辨率、清晰度等最优的图片进行车厢号的识别，可以避免信息识别时漏车。

进一步的实施例中，所述图像采集单元12还可以同时包括自动变焦相机和网络视频录像机，在有来车时同时获取静态图像和动态图像作为图像数据，可以选取分辨率、清晰度等最优的图片进行车厢号的识别，避免信息识别时漏车。

进一步的实施例中，所述图像处理单元13采用基于人工智能的深度学习算法，利用货运列车原始灰度图像的梯度图像来寻找识别字符块，进而识别货运列车的标记信息。算法主要包括图像数据处理、车厢图像分割、车厢图像分析、字符分割/识别，这几部分相互关联。其中，图像分割是图像分析的基础，图像分析反过来可以指导并完善图像分割；字符分割/识别的中间结果决定对图像的信息分析，图像分析的结果反过来进一步指导字符分割/识别；通过多次的学习处理，充分利用原始灰度图像的梯度图像来寻找字符块，并用反馈的方式实现字符的识别，可以得到满意的识别结果。

图像数据处理可以为：对采集的货运列车原始灰度图像进行剪裁、平滑、锐化、亮度调节、二值化等预处理获取目标图像；其中，目标图像中包括车厢类型区域和车厢属性区域等目标信息区域。以便而言，采集的货运列车原始灰度图像最小为5847*2048，最大为12693*2048，属于超大分辨率图像；因此需要预先按照同比例进行宽度和高度的缩放，缩放到目标大小以便后续处理的进行。车厢图像分割可以为根据识别的车厢间隔进行车厢图像分割，生成每节车厢的完整高清图像，实现一节车厢对应一张图片、避免识别时发生车厢遗漏。可以采用基于对边缘图像进行形态学运算的分割方式进行车厢图像分割。车厢图像分析可以为对目标图像中的车厢类型区域和车厢属性区域等大尺寸目标进行分析识别。由于车厢图像中车厢号区域在原始图像中占的比例极小，并且存在其它文本信息干扰，因此先进行车厢类型区域和车厢属性区域等大尺寸目标分析识别，可以提高识别精度以及识别效率。车厢类型区域可以指包含车厢号数字、车厢类型等信息的区域，车厢属性区域可以指包含车厢载重、自重、容积、换长等信息的区域。字符分割/识别可以为对每节车厢的车厢图像中的车厢类型区域和车厢属性区域进行字符块分割和字符识别提取，识别出货运列车的车厢类型、车厢号、载重、自重、容积、换长等小尺寸目标的标记信息。其中，车厢图像分割与车厢图像分析的执行可以不分先后顺序：可以先对目标图像进行分割，获取每节车厢的单独的车厢图像，然后对单独的车厢图像中的车厢类型区域和车厢属性区域进行分析识别，获取单独的车厢图像的目标信息区域；也可以先对目标图像中的车厢类型区域和车厢属性区域进行分析识别，获取目标图像的目标信息区域，然后对目标图像进行分割，获取每节车厢的单独的车厢图像，且获取的车厢图像中包括识别出的车厢类型区域和车厢属性区域。目标信息区域获取与标记信息获取可以通过人工智能深度学习计算引擎进行，通过融合机器学习、机器视觉与人工智能算法，实现专业化、精准化的识别。

人工智能(Artificial Intelligence，简称AI)是一个比较广泛的概念，其目的在于让计算机这台机器能够像人一样思考，而机器学习(Machine Learning)是人工智能的分支，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，使之不断改善自身的性能。深度学习(Deep Learning)是一种机器学习的方法，其通过使用包含复杂结构或由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象。利用人工智能深度学习模型进行目标识别，具体包括：1)对采集的图像进行预处理：包括对采集的图像进行剪裁、平滑、锐化、亮度调节、二值化等预处理；2)图像数据集划分：包括整理不同车型、不同背景环境的图像，并划分为训练集、验证集、测试集；3)模型训练：包括进行样本标注，标注图像中大尺寸目标与小尺寸目标，确定迭代次数，进行模型训练；4)图像识别分析：包括调用训练后的工智能深度学习模型进行图像识别，分析识别结果，若结果错误，则将该图像加入样本库，重新进行模型训练。由于不同车型的货运列车(敞车、棚车、板车、罐车等)的外观特征差异很大，并且车厢号等标记信息在车厢上的位置各不相同，采用基于人工智能的深度学习算法，通过先进行大尺寸目标分析识别，再进行小尺寸目标分析识别，可以排除识别的干扰因素，实现定位完整车厢号，提高识别精度和识别效率，兼顾了识别的稳定性和实时性要求。

进一步的实施例中，当所述图像处理单元13接收到的为动态图像的图像数据时，所述图像处理单元13由于对动态图像的图像数据进行处理，获取标记信息识别结果，并建立标记信息与车厢图像的关联。

请参阅图2，其为本发明货运列车信息识别系统一实施例的工作原理示意图。如图2所示，所述图像采集单元12采用网络视频录像机，用于录制货运列车来车过程，从而向所述图像处理单元13提供动态图像作为图像数据。所述图像处理单元13包括：视频解析模块131、识别总控模块132、目标帧获取模块133、目标信息区域获取模块134以及标记信息获取模块135。

所述视频解析模块131用于对所述动态图像进行视频帧解析；视频解析模块131对视频的关键帧进行截图、快速完成视频帧解析后，交由识别总控模块132统一进行任务调度。若网络视频录像机已知处于开机状态，则视频解析模块131可以在车辆检测单元检测到有车后，将含有车厢图像的关键图像进行截取。所述识别总控模块132用于对视频帧解析后的动态图像进行任务调度；具体为控制目标帧获取模块133进行帧过滤以及获取最后的识别结果。所述目标帧获取模块133用于根据所述识别总控模块132的任务调度，通过人工智能深度学习计算引擎19对视频帧解析后的动态图像进行帧过滤，过滤掉空轨帧和无信息帧，获取目标帧；可以通过判断视频图像是否有车而将关键图像进行截取，过滤空轨帧和无信息帧。所述目标信息区域获取模块134用于通过人工智能深度学习计算引擎19对所述目标帧进行车厢类型区域和车厢属性区域的目标识别提取，以及识别车厢间隔进行车厢图像分割。所述标记信息获取模块135用于通过人工智能深度学习计算引擎19分别对车厢分割后的所述车厢类型区域和车厢属性区域进行字符块分割和字符识别提取。所述识别总控模块132还用于获取包括不同车厢的字符识别结果的标记信息，关联标记信息与车厢图像。其中，人工智能深度学习计算引擎19可以由华为AI计算平台提供。

当车辆检测单元11检测到来车时触发图像采集单元12，以采集当前的视频图像。目标信息区域获取模块134通过对目标帧进行处理，定位出包含车厢号数字、车厢类型等信息的车厢类型区域，以及包含车厢载重、自重、容积、换长等信息的车厢属性区域，完成大尺寸目标识别提取。可以采用基于对边缘图像进行形态学运算的分割方式进行车厢图像分割，生成每节车厢的完整高清图像，实现一节车厢对应一张图片、避免识别时发生车厢遗漏。小尺寸指的是数字或者是字符；可以采用基于特定领域知识的判别方法识别图像分割所获得的各个块的字符信息。例如，采用基于数字字符的判别方法识别图像分割所获得的各个块的数字字符信息，采用基于字母字符的判别方法识别图像分割所获得的各个块的字母字符信息。

进一步的实施例中，所述图像处理单元13进一步包括：与所述识别总控模块132相连的接口模块136。所述接口模块136用于将关联的标记信息与车厢图像提供至外部业务应用设备29。也即，通过所述接口模块136，可为外部业务应用设备29(上层系统)提供相应的识别数据，以实现作业流程准确、高效衔接与支撑服务。

需要说明的是，图2仅为简明起见而示出的各类网络元素的数量可能小于一个实际网络中的数量，但这种省略无疑是以不会影响对发明实施例进行清楚、充分的公开为前提的。通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

进一步的实施例中，本发明所述系统10还包括：激光传感器18，用于检测货运列车通过时车轴的光信号，并将其转化为相应的电脉冲信号；计数器17，用于对所述电脉冲信号进行计数，获取车厢数目(计轴数目+1等于车厢数目)；所述图像处理单元13进一步用于接收所述车厢数目，并根据所述车厢数目对所述货运列车的车厢进行分割。所述激光传感器18可以安装在站台处的水泥柱或监控立杆的适当高度，以对货运列车进行计轴。通过计轴判辆，可以将货运列车的车厢进行分割；由于视频图像包含多帧图像，每一节车厢都可以截取大量的车厢图像，可以从中选取分辨率、清晰度较高的图像进行信息识别；通过车厢数量与车厢图片结合，实现一车一图，可以避免车号误匹配或漏车。

本发明货运列车信息识别系统，基于人工智能深度学习技术，通过图像分析识别，可以对车厢类型、车厢号、载重、自重、容积、换长等详细标记信息进行精准识别，保证数据真实性、及时性、准确性和连贯性，提高了识别精度和识别效率，提高了系统的自动化程度，提高了站台作业效率，减轻了作业人员的劳动强度。

基于同一发明构思，本发明还提供了一种货运列车信息识别方法。

请参阅图3，其为本发明提供的一种货运列车信息识别方法的流程示意图。如图3所示，所述方法包括如下步骤：S31、检测图像采集区域内的货运列车来车；S32、在检测到来车时采集货运列车的图像数据；S33、对所述图像数据进行解析，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息，其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。

进一步的实施例中，当所述图像数据为动态图像时，步骤S33进一步包括：S331、对所述动态图像进行视频帧解析；S332、对视频帧解析后的动态图像进行任务调度；S333、根据所述任务调度，通过人工智能深度学习计算引擎对视频帧解析后的动态图像进行帧过滤，过滤掉空轨帧和无信息帧，获取目标帧；S334、通过人工智能深度学习计算引擎对所述目标帧进行车厢类型区域和车厢属性区域的目标识别提取，以及识别车厢间隔进行车厢图像分割；S335、通过人工智能深度学习计算引擎分别对车厢分割后的所述车厢类型区域和车厢属性区域进行字符块分割和字符识别提取；以及S336、获取包括不同车厢的字符识别结果的标记信息，并关联标记信息与车厢图像；标记信息识别的流程示意图如图4所示。

关于所述方法的额外细节及实现效果可参考上述货运列车信息识别系统的描述，此处不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例的技术方案的范围。

Claims (12)

1.一种货运列车信息识别系统，其特征在于，包括：

车辆检测单元，安装于靠近货运列车进站口处，用于检测图像采集区域内的货运列车来车；图像采集单元，安装于站台处并与所述车辆检测单元连接，用于在所述车辆检测单元检测到来车时采集货运列车的图像数据；

图像处理单元，与所述图像采集单元连接，用于接收所述图像数据并进行处理，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息，其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。

2.如权利要求1所述的系统，其特征在于，所述车辆检测单元进一步用于检测到图像采集区域内有来车时产生开机信号并传递给所述图像采集单元，控制所述图像采集单元开启工作；以及用于在超过设定时间未检测到图像采集区域内有来车时产生关机信号并传递给所述图像采集单元，控制所述图像采集单元停止工作。

3.如权利要求1所述的系统，其特征在于，所述车辆检测单元进一步用于检测货运列车来车的车速并传递给所述图像采集单元；所述图像采集单元进一步用于根据车速实时调整图像数据的采样频率。

4.如权利要求1所述的系统，其特征在于，所述图像采集单元包括自动变焦相机，用于抓拍货运列车来车的车厢图像，从而向所述图像处理单元提供静态图像作为图像数据；其中，所述自动变焦相机可根据货运列车来车的车速实时调整曝光值。

5.如权利要求4所述的系统，其特征在于，所述系统还包括：安装于靠近所述自动变焦相机处的补光灯，用于在所述自动变焦相机工作且环境光照度低于设定值时开启。

6.如权利要求1所述的系统，其特征在于，所述图像采集单元包括网络视频录像机，用于录制货运列车来车过程，从而向所述图像处理单元提供动态图像作为图像数据。

7.如权利要求1、4或6任一项所述的系统，其特征在于，所述图像处理单元采用基于人工智能的深度学习算法，利用货运列车原始灰度图像的梯度图像来寻找识别字符块，进而识别货运列车的标记信息。

8.如权利要求6所述的系统，其特征在于，所述图像处理单元进一步包括：

视频解析模块，用于对所述动态图像进行视频帧解析；

识别总控模块，用于对视频帧解析后的动态图像进行任务调度；

目标帧获取模块，用于根据所述识别总控模块的任务调度，通过人工智能深度学习计算引擎对视频帧解析后的动态图像进行帧过滤，过滤掉空轨帧和无信息帧，获取目标帧；

目标信息区域获取模块，用于通过人工智能深度学习计算引擎对所述目标帧进行车厢类型区域和车厢属性区域的目标识别提取，以及识别车厢间隔进行车厢图像分割；

标记信息获取模块，用于通过人工智能深度学习计算引擎分别对车厢分割后的所述车厢类型区域和车厢属性区域进行字符块分割和字符识别提取；

所述识别总控模块还用于获取包括不同车厢的字符识别结果的标记信息，关联标记信息与车厢图像。

9.如权利要求8所述的系统，其特征在于，所述图像处理单元进一步包括：与所述识别总控模块相连的接口模块，用于将关联的标记信息与车厢图像提供至外部业务应用设备。

10.如权利要求1所述的系统，其特征在于，所述系统还包括：

激光传感器，用于检测货运列车通过时车轴的光信号，并将其转化为相应的电脉冲信号；

计数器，用于对所述电脉冲信号进行计数，获取车厢数目；

所述图像处理单元进一步用于接收所述车厢数目，并根据所述车厢数目对所述货运列车的车厢进行分割。

11.一种货运列车信息识别方法，其特征在于，包括如下步骤：

检测图像采集区域内的货运列车来车；

在检测到来车时采集货运列车的图像数据；

对所述图像数据进行解析，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息，其中，所述目标信息区域包括车厢类型区域和车厢属性区域，所述标记信息至少包括车厢类型及车厢号。

12.如权利要求11所述的方法，其特征在于，当所述图像数据为动态图像时，所述的对所述图像数据进行解析，获取目标图像并提取目标信息区域，进而识别出货运列车的标记信息的步骤进一步包括：

对所述动态图像进行视频帧解析；

对视频帧解析后的动态图像进行任务调度；

根据所述任务调度，通过人工智能深度学习计算引擎对视频帧解析后的动态图像进行帧过滤，获取目标帧；

通过人工智能深度学习计算引擎对所述目标帧进行车厢类型区域和车厢属性区域的目标识别提取，以及识别车厢间隔进行车厢图像分割；

通过人工智能深度学习计算引擎分别对车厢分割后的所述车厢类型区域和车厢属性区域进行字符块分割和字符识别提取；

获取包括不同车厢的字符识别结果的标记信息，并关联标记信息与车厢图像。

Images