基于深度学习的铁路列车车号识别系统
发布时间：2021-05-19 08:59
随着我国铁路事业的快速发展,铁路列车的日常维护变得越来越重要,为了实现对入库检修列车的信息化管理,需要准确的列车车号识别作为保障,以提高对列车的管理效率。由于手工记录与核对车号信息需要耗费大量人力和物力,基于射频识别的电子标签技术不易于维护并且成本较高,而且传统图像识别方法准确率不高,因此本文采用在图像识别方面表现突出的深度学习技术对列车车号识别进行研究。针对传统图像识别方法中间过程较多造成的影响,本文主要基于深度学习目标检测算法对铁路列车车号进行识别,以简化工作过程,提高识别系统的准确率。首先,对现场采集的大量原始车号图片数据集进行整理,并对原始图像进行人工标注工作,得到训练和测试所用的样本数据。其次,基于深度学习目标检测算法对车号区域进行检测定位,克服了传统图像定位方法的局限性,检测出的车号区域用于后续的字符检测和识别。然后,同样基于深度学习目标检测算法对车号区域中的车号字符进行检测,不用进行字符分割任务,直接对车号字符进行端到端的识别。最后,把车号定位和字符检测结合起来,设计实现车号识别系统,通过测试,验证系统较高的识别准确率,并进行实际应用,解决了传统识别方法设备成本高、可靠性...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 研究目的及意义
1.4 本文主要工作
1.5 论文组织结构
第二章 相关技术分析与介绍
2.1 铁路机车车号图像简介
2.2 传统车号图像识别方法
2.3 人工神经网络
2.3.1 神经元模型
2.3.2 多层感知器
2.3.3 BP神经网络
2.3.4 卷积神经网络
2.4 深度学习技术
2.4.1 深度学习概述
2.4.2 目标检测算法
2.4.3 深度学习框架
2.4.4 Caffe网络结构
2.5 本章小结
第三章 系统需求分析与概要设计
3.1 系统需求分析
3.1.1 需求背景
3.1.2 功能性需求
3.1.3 非功能性需求
3.2 系统整体设计
3.3 车号识别算法概要设计
3.3.1 图像数据集整理
3.3.2 图像数据标注
3.3.3 深度学习模型训练
3.3.4 深度学习模型测试
3.4 本章小结
第四章 车号区域检测模块的实现
4.1 整理图像数据集
4.2 数据的标注
4.3 训练数据集的生成
4.4 车号区域检测的网络结构
4.5 模型的训练
4.6 车号区域检测模块测试
4.7 本章小结
第五章 车号字符识别模块的实现
5.1 整理图像数据集
5.2 训练数据集的生成
5.3 车号字符检测的网络结构
5.4 模型的训练
5.5 车号字符识别模块测试
5.6 本章小结
第六章 系统测试与应用
6.1 系统可视化界面
6.2 系统测试
6.3 现场应用
6.4 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于射频与图像的车号识别技术在定量装车系统中的研究与应用[J]. 许文科. 煤炭加工与综合利用. 2017(09)
[2]基于模板匹配和局部HOG特征的车牌识别算法[J]. 高聪,王福龙. 计算机系统应用. 2017(01)
[3]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[4]结合SVM分类器与HOG特征提取的行人检测[J]. 徐渊,许晓亮,李才年,姜梅,张建国. 计算机工程. 2016(01)
[5]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[7]浅谈OCR技术的发展和应用[J]. 王文华. 福建电脑. 2012(06)
[8]铁路车号多途径综合识别系统的设计[J]. 薛军兴,张景达. 铁路计算机应用. 2011(06)
[9]车号自动识别系统常见故障及处理[J]. 王震. 铁道技术监督. 2011(02)
[10]基于数学形态学的货车车号定位算法[J]. 杜培明,万文英. 仪器仪表用户. 2011(01)
博士论文
[1]图像增强的相关技术及应用研究[D]. 李艳梅.电子科技大学 2013
硕士论文
[1]复杂背景下基于OpenCV的车牌识别系统研究[D]. 曾泉.广东工业大学 2016
[2]基于图像处理的机车车号自动识别系统[D]. 程璐.南京航空航天大学 2013
[3]RITS系统在机车运用中的研究[D]. 李广峰.西南交通大学 2011
[4]不定长车牌字符分割算法研究[D]. 刘群群.浙江大学 2011
[5]铁路货车车号识别的算法研究[D]. 赵入宾.河北工业大学 2011
[6]自动车牌定位及字符分割研究[D]. 潘仁龙.贵州民族学院 2010
[7]基于图像处理的铁路货车车号识别及其应用研究[D]. 杨大治.西南交通大学 2010
[8]车号射频识别系统读写器研究与设计[D]. 吴芳.武汉理工大学 2008
本文编号：3195502
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 研究目的及意义
1.4 本文主要工作
1.5 论文组织结构
第二章 相关技术分析与介绍
2.1 铁路机车车号图像简介
2.2 传统车号图像识别方法
2.3 人工神经网络
2.3.1 神经元模型
2.3.2 多层感知器
2.3.3 BP神经网络
2.3.4 卷积神经网络
2.4 深度学习技术
2.4.1 深度学习概述
2.4.2 目标检测算法
2.4.3 深度学习框架
2.4.4 Caffe网络结构
2.5 本章小结
第三章 系统需求分析与概要设计
3.1 系统需求分析
3.1.1 需求背景
3.1.2 功能性需求
3.1.3 非功能性需求
3.2 系统整体设计
3.3 车号识别算法概要设计
3.3.1 图像数据集整理
3.3.2 图像数据标注
3.3.3 深度学习模型训练
3.3.4 深度学习模型测试
3.4 本章小结
第四章 车号区域检测模块的实现
4.1 整理图像数据集
4.2 数据的标注
4.3 训练数据集的生成
4.4 车号区域检测的网络结构
4.5 模型的训练
4.6 车号区域检测模块测试
4.7 本章小结
第五章 车号字符识别模块的实现
5.1 整理图像数据集
5.2 训练数据集的生成
5.3 车号字符检测的网络结构
5.4 模型的训练
5.5 车号字符识别模块测试
5.6 本章小结
第六章 系统测试与应用
6.1 系统可视化界面
6.2 系统测试
6.3 现场应用
6.4 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于射频与图像的车号识别技术在定量装车系统中的研究与应用[J]. 许文科. 煤炭加工与综合利用. 2017(09)
[2]基于模板匹配和局部HOG特征的车牌识别算法[J]. 高聪,王福龙. 计算机系统应用. 2017(01)
[3]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[4]结合SVM分类器与HOG特征提取的行人检测[J]. 徐渊,许晓亮,李才年,姜梅,张建国. 计算机工程. 2016(01)
[5]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟. 计算机研究与发展. 2013(09)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[7]浅谈OCR技术的发展和应用[J]. 王文华. 福建电脑. 2012(06)
[8]铁路车号多途径综合识别系统的设计[J]. 薛军兴,张景达. 铁路计算机应用. 2011(06)
[9]车号自动识别系统常见故障及处理[J]. 王震. 铁道技术监督. 2011(02)
[10]基于数学形态学的货车车号定位算法[J]. 杜培明,万文英. 仪器仪表用户. 2011(01)
博士论文
[1]图像增强的相关技术及应用研究[D]. 李艳梅.电子科技大学 2013
硕士论文
[1]复杂背景下基于OpenCV的车牌识别系统研究[D]. 曾泉.广东工业大学 2016
[2]基于图像处理的机车车号自动识别系统[D]. 程璐.南京航空航天大学 2013
[3]RITS系统在机车运用中的研究[D]. 李广峰.西南交通大学 2011
[4]不定长车牌字符分割算法研究[D]. 刘群群.浙江大学 2011
[5]铁路货车车号识别的算法研究[D]. 赵入宾.河北工业大学 2011
[6]自动车牌定位及字符分割研究[D]. 潘仁龙.贵州民族学院 2010
[7]基于图像处理的铁路货车车号识别及其应用研究[D]. 杨大治.西南交通大学 2010
[8]车号射频识别系统读写器研究与设计[D]. 吴芳.武汉理工大学 2008
本文编号：3195502
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3195502.html
