(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210359599.2 (22)申请日 2022.04.07 (71)申请人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 朱俊霖　王馨　漆琛　赵文巘　 吴泽宇　施伟华　宋开华　段钰　 刘宁　邢宗义　姚小文　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 薛云燕 (51)Int.Cl. G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 10/50(2022.01)G06V 10/75(2022.01) G06N 3/04(2006.01) (54)发明名称 一种城轨列车 车号图像 定位方法 (57)摘要 本发明公开了一种城轨列车车号图像定位 方法， 包括以下步骤： 采用基于亮度控制的单尺 度Retinex算法， 对现场拍摄的车号 图像进行预 处理， 得到第一车号图像； 对预处理得到的第一 车号图像， 采用SURF算法进行特征点的提取； 计 算提取到的特征点的特征描述； 利用自制的车号 图像与第一车号图像进行特征点配准， 筛选出车 号的潜在区域； 通过笔画 宽度测量算子SMO对SWT 算法进行改进， 对筛选出的车号潜在区域进行车 号区域准确定位， 得到车号区域。 本发明城轨列 车车号图像定位方法， 具有实用性强、 计算简单、 定位准确率高的优点， 通过扩展即能够实现列车 车号的自动化识别。 权利要求书3页 说明书7页 附图2页 CN 114758116 A 2022.07.15 CN 114758116 A 1.一种城轨列车 车号图像定位方法， 其特 征在于， 包括以下步骤： 步骤1、 采用基于亮度控制的单尺度Retinex算法， 对现场拍摄的车号图像进行预处理， 得到第一车号图像； 步骤2、 对步骤1预处 理得到的第一车号图像， 采用SURF算法进行 特征点的提取； 步骤3、 计算 步骤2中提取到的特 征点的特 征描述； 步骤4、 利用自制的车号图像与第一车号图像进行特征点配准， 筛选出车号的潜在区 域； 步骤5、 通过笔画宽度测量算子SMO对SWT算法进行改进， 对步骤4中筛选出的车号潜在 区域进行 车号区域 准确定位， 得到车号区域。 2.根据权利要求1所述的城轨列车车号图像定位方法， 其特征在于， 步骤1所述采用基 于亮度控制的单尺度Reti nex算法， 对现场拍摄的车号图像进行 预处理， 具体步骤为： 步骤1.1、 现场拍摄获取 车号图像， 该 车号图像尺寸 为M×N， 得到高斯环绕函数G(x,y)： 其中， M、 N为正整数， (x,y)为像素点在图像的像素坐标， K是归一化因子， β 是调 谐常数， 满足β ≥0； 步骤1.2、 根据光照模型及Reti nex理论， 计算单尺度Reti nex算法的输出 结果Ri(x,y)： Ri(x,y)＝log[fi(x,y)]‑log[fi(x,y)*G(x,y)] 其中fi(x,y)表示图像的第i个通道； 步骤1.3、 针对单尺度Retinex算法中调谐常数β＞2时产生的多余亮度， 添加改进的 Sigmoid函数以调节过高亮度， 改进的Sigmo id函数表示 为： 其中， s(g)是对比度调整后的图像， g是 退化图像， T是调节值， γ是调整常数； 步骤1.4、 对s(g)进行标准化处理以更改像素强度值范围， 归一化图像n(s)计算公式 为： 。 3.根据权利要求1所述的城轨列 车车号图像定位方法， 其特征在于， 步骤2所述对步骤1 预处理得到的第一车号图像， 采用SURF算法进行 特征点的提取， 具体步骤为： 步骤2.1、 对第一车号图像进行积分计算得到积分图像， 积分图像中任意一点的值ii (i,j)， 为第一车号图像左上角到任意 点(i,j)相应的对角线区域灰度值的总和； 步骤2.2、 在多个不同方向上用不同尺寸参数的箱式滤波器模板对积分图像做卷积运 算， 构建尺度空间； 步骤2.3、 计算在尺度空间内每一层图像上的快速Hessian矩阵， Hessian矩阵H表示如 下：权　利　要　求　书 1/3 页 2 CN 114758116 A 2其中， Dxx,Dyy,Dxy分别表示DOG空间中的图像在x轴和y轴方向上的二阶偏导数和混合偏 导数； 因为特征点的主曲率与Hes sian矩阵的两个特 征值α 与β 成正比， 且有： 其中Tr(H)＝Dxx+Dyy表示该矩阵的迹， Det(H)＝DxxDyy‑(Dxy)2表示该矩阵行列式的值； 设α ＝rβ， 为了检查特征点是否对边缘响应较为敏感， 将不满足下式的点看作不稳定边 缘响应点， 进行去除： 其中， Tr(H)和Det(H)分别为Hessian矩阵H的秩和行列式值， 对Hessian矩阵的行列式 计算表示 为： det(H)＝DxxDyy‑(ωDxy)2， ω为权重系数； 步骤2.4、 将经过Hessi an矩阵处理过的每个像素点， 与该像素点的上下层中对应3*3*3 的立体邻域来进行非极大值抑制， 将比立体近邻内的26个响应值都大的点选定为特征点， 并在尺度空间采用插值法， 得到特 征点的准确位置信息和尺度信息 。 4.根据权利要求1所述的城轨列车车号图像定位方法， 其特征在于， 步骤3所述计算步 骤2中提取到的特 征点的特 征描述， 具体步骤为： 步骤3.1、 以特征点为中心， 取特征点周围半径为6s的圆形区域， s为特征点所在的DOG 尺度空间的尺度值； 计算邻域内的像素点在 x,y两个方向上的哈尔小波响应值， 按照像素点 与特征点的距离来赋予该像素点设定的权值， 随后对加权后的响应值进行直方图统计， 选 择直方图中权 重最大的作为该 特征点的主方向； 步骤3.2、 通过统计 像素点的哈尔小 波响应值 来对特征点进行描述， 计算公式如下： v＝(∑dx,∑dy,∑|dx|,∑|dy|) 其中， dx,dy为每个像素点的哈尔小波在x方向和y方向的响应值， 将圆形区域划分为16 个子区域， ∑dx,∑dy为16个子区域中所有的像素点的x方向的响应值之和、 y方向的响应值 之和， ∑|dx|,∑|dy|为每个子区域x方向响应值的绝对值之和、 y方向响应值的绝对值之和。 5.根据权利要求1所述的城轨列车车号图像定位方法， 其特征在于， 步骤4所述利用自 制的车号图像与第一车号图像进行 特征点配准， 筛 选出车号的潜在区域， 具体步骤为： 设置一张没有背景干扰的车号图像作为自制的车号图像模板， 保证自制的车号图像特 征与实际车号 一致； 针对步骤3获取到车号图像每一个特征点的特征描述符， 利用自制的车号图像与第一 车号图像进行特征点配准； 现场拍摄的车号图像中存在较多的边缘要素， 因此存在特征点 误匹配的现象； 根据特征点匹配情况， 对整个图像区域进行匹配结果划分， 将符合特征匹配 的区域设为潜在车号区域。 6.根据权利要求1所述的城轨列车车号图像定位方法， 其特征在于， 步骤5所述通过笔 画宽度测量 算子SMO对SWT算法进行改进， 具体过程 为：权　利　要　求　书 2/3 页 3 CN 114758116 A 3