本发明属于机器视觉，具体涉及一种基于机器视觉的铁路货车车厢编号识别方法。
背景技术：
1、目前，由铁路承运的大宗商品主要有煤炭、金属、矿石、石油、钢铁和粮食等。在装卸货物期间，需要对货运列车的车号进行识别和记录，以获取各节车厢的车号、载重、自重、容积、货物类别等信息，以保证能够顺利装卸货物。另外，车号在铁路运输调度、货物的安全监控以及货车的维修和保养等方面起着至关重要的作用。因此，铁路货车车号识别成为其中必不可少的工作。
2、到目前为止，获取货运列车车号的主要方式有人工抄录、无线射频、图像处理技术。人工抄录的缺点为：效率低下，高强度的工作容易抄写错误；无线射频识别缺点为：设备复杂、维护困难、成本高昂；另外车厢底部的电子标签容易受到破损和丢弃，导致造成车号识别错误；图像处理技术技术：由于车厢使用时间不同，若铁路货车长期暴露在外界环境中，编号字符会出现不同程度的字符缺损、锈蚀和断裂的现象。
3、在铁路货车车号识别系统中，由于受外界因素影响，使得车号图像出现亮度低的情况，增加车号实现字符定位与字符识别的难度。
4、综上可以发现，现有技术中铁路货车车号检测的方法并不适用于铁路货运的所有车型的检测，例如集装箱等。那么，如何才能精确的识别出所有铁路货车的车号，进而将其应用到实际的铁路货运车辆管理中成为亟待解决的技术问题。
技术实现思路
1、为解决现有技术存在的现有铁路货车车厢识别方法效率低下、只能针对通用货车进行检测的技术问题，本发明提供了一种基于机器视觉的铁路货车车厢编号识别方法，能够准确得到各种车型的车厢车号信息，实现全面自动化，提高作业效率。
2、为实现上述目的，本发明所采用的技术方案为：一种基于机器视觉的铁路货车车厢编号识别方法，具体步骤如下：
3、步骤一、获取待检测的车厢序列图像；
4、步骤二、对车厢序列图像进行预处理，得到图像增强后的图像；
5、步骤三、利用预构建的目标定位检测faster-rcnn算法模型对增强后的图像进行分析，确定识别目标的车厢检测区域；
6、步骤四、对车厢检测区域进行污损图像处理以获得清晰的目标区域；
7、步骤五、利用预构建的目标识别定位检测yolo算法模块对步骤四获得的目标区域进行分析，提取目标区域的各个单目目标字符以及对多个单目目标字符逐一识别，获得识别目标的信息内容。
8、其中，faster-rcnn算法为rpn和faster rcnn的结合；yolo算法为(you only lookonce)是一种基于深度神经网络的对象识别和定位算法。
9、步骤一中的图像获取步骤为：当激光测距传感器小于设定阈值时开始拍照，输出触发信号；图像采集主机接收激光测距传感器输出的触发信号，并向摄像机发送抓图指令，获取当前车厢的图像。
10、步骤二中预处理步骤为：对获取的图像进行高斯滤波、中值滤波、直方图均衡化的去噪处理，对去噪图像进行图像格式转换、亮度分量提取的增强处理。
11、将车厢序列图像的rgb颜色空间转换为ycbcr颜色空间，提取该空间的y亮度分量进行限制对比度的自适应均衡化，进而提高目标信息与背景之间的对比度，之后转换回rgb颜色空间，得到增强的图像。
12、在步骤三中，目标识别定位检测模块的构建过程为：接收被人工标记过的车厢图像样本，其中，被人工标记过的车厢图像样本至少包括车厢图像样本中的敞车对应的部分图像、平车对应的部分图像、集装箱对象的部分图像；利用被人工标记过的车厢图像样本对目标检测模型进行训练，获取最优目标检测模型作为目标定位检测模型。
13、步骤四中的目标区域将车厢分割为敞车车型检测区域、敞车编号检测区域、平车车型检测区域、平车编号检测区域、集装箱车型检测区域和集装箱编号检测区域。
14、在步骤四中，污损图像的处理方法为：对分割后的检测区域进行灰度化处理、区域生长、匹配纹理、二维表面纹理填洞的处理。
15、在步骤五中，目标识别定位检测模块对检测区域进行分割，提取单个字符图像并对分割后的单个字符图像进行逐一识别，得到车厢编号相关信息。
16、本发明与现有技术相比，具体有益效果体现在：
17、一、本发明通过ai与机器视觉手段对货车车号的检测方法，相对于人工炒号具有以下特点：效率高、降低人工成本、精确度高、可扩展性强、适应行强等。
18、二、本发明通过借助激光雷达传感器与摄像机可获取铁路货车的各个车厢的高清图像，具有施工简单、成本低等优点。
19、三、本发明将车厢图像进行进行前处理，在不同的颜色维度的空间进行转换，例如采用rgb、ycbcr颜色空间与直方图均衡化等技术手段，提高图像目标信息对比度与其固有的特征，是后续不同的场景下字符的识别基础。
20、四、本发明通过纹理合成补全quiting算法对污损字符进行修复，可针对列车的部分字符进行修复，提高系统的通用性，减少了人工复核的频次。
21、五、本发明通过构建车厢roi区域的定位faster-rcnn与检测yolo模型，可获取铁路货车的车厢的车型与车号，具有通用性好、精度高、鲁棒性好等优点，可扩展于铁路货车的通用与专用车型的检测。
1.一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，步骤一中的图像获取步骤为：当激光测距传感器小于设定阈值时开始拍照，输出触发信号；图像采集主机接收激光测距传感器输出的触发信号，并向摄像机发送抓图指令，获取当前车厢的图像。
3.根据权利要求1所述的一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，步骤二中预处理步骤为：对获取的图像进行高斯滤波、中值滤波、直方图均衡化的去噪处理，对去噪图像进行图像格式转换、亮度分量提取的增强处理；
4.根据权利要求1所述的一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，在步骤三中，目标识别定位检测模块的构建过程为：接收被人工标记过的车厢图像样本，其中，被人工标记过的车厢图像样本至少包括车厢图像样本中的敞车对应的部分图像、平车对应的部分图像、集装箱对象的部分图像；利用被人工标记过的车厢图像样本对目标检测模型进行训练，获取最优目标检测模型作为目标定位检测模型。
5.根据权利要求1所述的一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，步骤四中的目标区域将车厢分割为敞车车型检测区域、敞车编号检测区域、平车车型检测区域、平车编号检测区域、集装箱车型检测区域和集装箱编号检测区域。
6.根据权利要求5所述的一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，在步骤四中，污损图像的处理方法为：对分割后的检测区域进行灰度化处理、区域生长、匹配纹理、二维表面纹理填洞的处理。
7.根据权利要求1所述的一种基于机器视觉的铁路货车车厢编号识别方法，其特征在于，在步骤五中，目标识别定位检测模块对检测区域进行分割，提取单个字符图像并对分割后的单个字符图像进行逐一识别，得到车厢编号相关信息。
