[发明专利]基于概率特征加权融合的铁路接触网支柱号牌检测识别法

权利要求书

1.基于概率特征加权融合的铁路接触网支柱号牌检测识别法，其特征在于：包括以下步骤，

步骤(A)，对铁路接触网图像内的铁路接触网支柱号牌目标区域进行小目标区域鲁棒自动提取，得到铁路接触网支柱号牌目标区域的坐标；

步骤(B)，根据类间方差最大方法对提取的铁路接触网支柱号牌目标区域的进行二值化，得到二值化图像；

步骤(C)，对二值化图像进行概率特征加权融合的的铁路接触网支柱号牌识别；

步骤(A)，对铁路接触网图像内的铁路接触网支柱号牌目标区域进行小目标区域鲁棒自动提取，包括以下步骤，

(A1)，将每个训练样本缩放为一定像素大小的训练样本矩阵；

(A2)，将训练样本矩阵和其对应的铁路接触网支柱号牌坐标输入到区域卷积神经网络进行训练并获得对应的参数；

(A3)，输入铁路接触网图像到区域卷积神经网络，根据颜色、纹理、总面积、图形规整四种选择方式，选择性搜索出铁路接触网图像中的多个感兴趣区域；

(A4)，将找出的感兴趣区域输入到基于区域卷积神经网络进行特征提取，并将区域卷积神经网络返回的结果，输入到支持向量机中给出该感兴趣区域隶属于不同类别的置信度；

(A5)，将隶属于号牌区域的置信度大于阈值的坐标保留，得到该坐标对应的铁路接触网支柱号牌目标区域；

步骤(C)，对二值化图像进行概率特征加权融合的铁路接触网支柱号牌识别，包括以下步骤，

(C1)，对二值化图像进行垂直投影，根据投影直方图的局部最小值对二值化图像内字符进行切割；

(C2)，将切割出的字符x，提取灰度特征f₁(x)和方向梯度直方图特征f₂(x)；

(C3)，将提取的灰度特征f₁(x)与模板字符的灰度特征M(x)进行匹配，得到切割出的字符x被分到模板字符各个类别的灰度特征概率p_1,m(x)，如公式(1)所示，

其中，m表示模板字符的第m个类别，M_m(x)表示模板字符第m个类别中的灰度特征，N表示模板字符的总类别个数；

(C4)，将提取的方向梯度直方图特征f₂(x)与模板字符的方向梯度直方图特征H(x)进行匹配，得到切割出的字符x被分到模板字符各个类别的方向梯度直方图特概率p_2,m(x)，如公式(2)所示，

其中，H_m(x)表示模板字符第个m类别中的方向梯度直方图特征；

(C5)，通过K最近邻算法对方向梯度直方图特征f₂(x)进行分类，将切割出的字符x对应类别记为p_3,m(x)；

(C6)，根据概率特征加权方法，计算切割出的字符x隶属每个类别的概率，根据最大概率决定切割出的字符类别，如公式(3)所示，

T_m(x)＝λ₁·p_1,m(x)+λ₂·p_2,m(x)+λ₃·p_3,m(x) (3)

其中，λ_i，i＝1,2,3为p_1,m(x)、p_2,m(x)、p_3,m(x)对应的分类权重；T_m(x⁾是切割出的字符x属于模板字符中类别m的概率值；

(C7)，将(C1)切割出的所有的字符，在模板字符中对应的类别，按照切割顺序拼接，从而获取铁路接触网支柱号牌对应的字符。

2.根据权利要求1所述的基于概率特征加权融合的铁路接触网支柱号牌检测识别法，其特征在于：(A1)，将每个训练样本缩放为227*227像素大小的训练样本矩阵。

3.根据权利要求1所述的基于概率特征加权融合的铁路接触网支柱号牌检测识别法，其特征在于：(A5)，所述阈值为0.9。

4.根据权利要求1所述的基于概率特征加权融合的铁路接触网支柱号牌检测识别法，其特征在于：所述λ_i∈[0,1]，