基于OpenCV的铁路导轨自动识别探讨

严斌龙

摘 要：在我国发展过程中，铁路运输为主要的交通运输方式。而现阶段铁路基础设施防护弊端的存在促使整体铁路运输事故频发，而铁路事故的控制也成为影响高速铁路运输行业发展的主要因素。因此为了进一步提高铁路运输能力，本文根据依据OpenCV视频处理技术，对铁路导轨自动识别系统进行了设计实现分析，以便为铁路运输过程的安全稳定进行提供有效的借鉴。

关键词：OpenCV；C语言；图像处理；铁路导轨自动识别

中图分类号：TP391.41 文献标识码：A 文章编号：1671-2064（2018）14-0036-02

OpenCV主要包括C、C++语言的开源数据处理函数库，其可通过多种计算机视觉、数字图像处理算法，实现快速实时的数字图像处理模式。同时通过优化C代码编写，OpenCV还可以结合多核处理器的优良特点，在Windows、Linux等操作系统中实现良好的应用。因此进行OpenCV铁路导轨自动识别系统的构建，对于整体铁路导轨自身识别系统的优化具有非常重要的意义。

1 基于OpenCV的铁路导轨自动识别系统设计

1.1 系统总体方案设计

结合OpenCV的应用特点，在铁路导轨自动识别系统总体设计方案中主要依据计算机电子软硬件基础，结合地理信息系统的相关工作，将整体视频图片进行进行了全面可视化分析。在具体应用过程中给予OpenCV的铁路导轨自动识别技术主要可分为基础设施模块、数据模块、服务模块、应用模块几个方面的应用，其中没有模块具有独立运行性能。在整体技术应用过程中主要利用OpenCV数字图像处理技术，结合JAVA框架的应用，便于整体数字图像监控工作的有效进行。

1.2 系统模块设计

在OpenCV铁路导轨自动识别系统设计过程中主要可分为数据采集模块、图像预处理模块、导轨检测识别模块等相关方面。其中导轨检测识别模块主要根据不同铁路运行情况的区别，可分为扣件检测、道床检测、轨道检测等不同的分属结构，而通过相关模块轨道检测数据的集成分析，可为整体铁路导轨自动识别数据的统一管理提供充足的数据支持。如在轨道检测模块主要通过对铁路主要刚性铁轨运行情况的自动识别，从轨道运行的连续率、轨道裂纹、轨道曲率等情况，为后需轨道自动识别管理提供依据；而扣件检测主要通过对铁路轨道固定为主扣件进行识别分析，依据OpenCV图像借鉴算法的特点，其主要有在、不在两种状态，分别表示无问题、有问题两种情况；道床检测主要是针对铁路运行过程中道床板结问题，在OpenCV应用的基础上，可结合LBP等技术的应用有效判定整体铁路导轨道床的稳定情况。

视频数据采集模块主要通过视频监控系统的合理配置，为最终数字图像的分析处理提供了依据。依据计算机硬件迭代速度发展特点，为了进一步加大CPU运行速度，可在基础计算机软件的应用的基础上，结合FPGA的应用提高整体视频图像检测速度。基于OpenCV的视频导轨自动识别系统图像预处理模块主要包括图像去噪、图像增强、灰度化等初步图像处理环节。

2 基于OpenCV的铁路导轨自动识别系统应用

2.1 基于OpenCV的导轨图像获取及处理

在实际应用过程中，基于OpenCV的铁路导轨自动识别系统主要利用红外热像仪采集视频图像的模式进行导轨图像获取。在红外热像仪图像输入环节，OpenCV可利用自身内部具有的HighGUI工具包，优先选择更加简便、快速的视频读取模式，即参数为相关摄像设备ID的函数。随后依照以往数字图像视频处理模式，结合CvCapture*指针、cvQueryFrame等函数的应用，获得所需视频的序列帧與函数参数为CvCapture结构的函数参数。同时通过对相关数字化图像视频文件的储存应用，为后需图像处理提供有效的依据。为了实现实时数字图像处理的需求，在实际处理过程中，需对相关图像进行一定的灰度处理，得到八位的灰度图像，便于降低整体导轨图像的数据范围。OpenCV在进行图像灰度处理过程中，大多选择加权平均值法。同时考虑到外界环境及其他设备对整体图像灰度处理的影响，在实际数字图像处理过程中需要进行一定的去噪处理，便于明确数字图像目标，为后需图像分析提供良好的依据[1]。在具体的数字图像噪声去除过程中，可采用高斯滤波处理方式。高斯滤波处理方式为一种平滑的数字图像噪声去除措施，其主要利用卷积核对相关数字图像的节点进行卷积处理，从而依照最终计算结果获得整体数字图像的像素数值，便于后续直道导轨图像的顺利处理。

2.2 基于OpenCV的导轨图像边缘提取

基于OpenCV导轨图像边缘提取主要是在相关数字图像灰度处理环节，针对局部图像区域内灰度变化不太协调的区域进行集中目标特征处理，以便后续导航识别过程的顺利进行。OpenCV导轨突出边缘提取可以利用拉普拉斯算法、异位检测算法对数字图像边缘进行精准定位。相较于其他算法而言，拉普拉斯算法主要是在高斯滤波器平滑处理之后，可结合高斯算子一阶微分的应用，获得相关数字图像像素点的梯度幅值、变动趋势，从而便于对相关梯度幅值的抑制处理。在确定相关数字图像边缘像素点的基础上，可利用双阈值方法，获得相关图像的强边缘、弱边缘，在将数字图像强边缘、弱边缘有效连接之后，可完成整体数字图像的边缘提取工作。

而异位检测算法主要针对颜色差量特征不明显的局部情况，且相关异物与导轨纹理一致，因此在进行图像边缘处理过程中，需要采用一定的措施对异物与导轨之间的纹理进行合理处理。在OpenCV中常用的纹理特征处理方法主要为归一化法、LBP纹理法、灰度共生矩阵法等方法。其中灰度共生矩阵法主要是根据相应空间位置纹理的出现情况，在图像上的一定距离以灰度直方图的形式对整体图像灰度出现频率进行合理统计分析，从而得出相关图像的整体信息。而通过对特定灰度值频率的集中统计，可得出灰度共生矩阵的衍生特征，便于更加多样具体的统计特征值的获取，如纹理能量、纹理惯性、纹理熵等；而归一化法主要是通过面熟相关模块间纹理相似度进行图像边缘统一描述；LBP纹理法主要通过中心点的设定，对中心位置与周边领域像素灰度的对比分析，进行相关赋的设定。在这个基础上以逆时针的顺序对相关像素灰度进行二进制串的编制，便于对整体图像纹理灰度进行有效分析。在实际应用中，基础的LBP纹理公式并不能在平坦区域图像中发挥良好的效用，而针对灰度相差不够明显的图像，可在以往LBP二进制串描述的基础上，进行一定的扩张计算。即摒除以往单一中心点与周边区域对比分析描述的方法，将阈值与分析图像灰度差作为主要依据，结合阈值的合理设置，可达到良好的去噪处理效果。同时针对LBP运行过程中状态点过多导致的内存损耗，可通过LBP状态空间简化措施进行合理控制。在实际过程中可通过背景建模的方式，将各个像素点进行统计处理；然后结合制定的像素参数进行统一直方图的绘制，通过像素点纹理区域特征的检测；最后通过相应纹理区域特征与背景直方图的对比分析，可得到良好的异位图像处理效果。

2.3 基于OpenCV的铁路导轨自动识别

基于OpenCV的铁路导轨自动识别模式在实际应用中主要包括链码跟踪提取、长度数字判定、统计链码值次数辨别线段等几个环节。首先在链码跟踪提取环节可综合利用Hough变换、链码跟踪算法对整体图像空间内，相关像素点映射在参数平面内对应位置的直线进行统计分析。结合OpenCV图像实时处理特点，可利用链码表数据，获得相关线段的趋向方位、长度等信息[2]。依照中心像素指向情况，链码跟踪算法下的数字图像处理模式，主要利用快速指向检测算法中的直线近似度计算模式。即首先假定一个链码串长度，并设定相关链码串的端点间理想直线距离一定。这种情况下链码串直线近似度到达一个极大值时就会与整段链码串理想直线相一致。但是由于铁路导轨线并不存在较为明显的弯曲情况，因此利用链码跟踪向右看的准则，将其控制在一定维度的数据库中，通过一定链码序列的的设定，保障铁路导轨运行过程中弯道导轨、直道导轨信息的全面检测。

其次对于OpenCV下的铁路导轨直线近似度识别，主要是以相关数字图像左下方为入手点，按照由点到面、由右向上的角度进行逐一扫描。为了降低重复像素检测对直线近似度跟搜速度的影响，可在进行像素标记的基础上，结合以往链码值，确定后续图像直线近似值起始位置[3]。依照OpenCV链码发展发现，可对链码跟踪线段形成的链码串进行统一判定，通过对链码串跟踪线段实际长度、预估长度等情况的分析，可得出链码串所跟踪直线长度近似值。

最后在具体线段辨别过程中，主要利用统计链码值的方法进行。在实际应用过程中主要依据铁路导轨线运行方向，结合上一步链码跟踪链码串的获取情况，对相关链码数值的出现频率进行统一计算并逐一对比，而所得到的最大链码串则为主要线段趋势。在具体计算过程中需要进行一维数组的建立，并适当相关链码存放的频率；然后从设定的某个元素开始进行整形变量的设定；最后通过最大值的合理赋予，对相关线段的运行情况进行合理判定。此外，在导轨图像处理后会出现轻度线段断裂的情况，这种情况下就需要利用相应的断点连接措施，结合相应断点连接位置的后需链码串跟踪扫描，从而保证制定类型导轨轮廓标识的完整获取，便于整体铁路导轨识别工作的顺利进行。

3 结语

综上所述，基于OpenCV的铁路导轨图像识别系统的应用，可以为铁路视频监控工作的顺利进行提供有效的依据。在OpenCV铁路导轨图像识别系统运行过程中，通过图像红外采集、图像序列帧的获得、图像灰度去噪处理、边缘取出、线段获得等过程，可得到较为清晰的铁路导轨轮廓线标识，从而为整体铁路导轨安全维护提供有效的依据。

参考文献

[1]王燕燕，鲁五一，郑聪敏.基于图像处理的铁路货车交叉杆平面度检测算法研究[J].制造业自动化，2016，38（9）：57-62.

[2]倪崢嵘.焊轨基地钢轨焊接质量自动化检测设备研制——平直度测量模块的研究[D].中国铁道科学研究院，2016，25（5）：26-28.

[3]徐宏凤，张凤生，郭士心，等.基于灰度共生矩阵的接触线与承力索的识别研究[J].机电技术，2016，（6）：22-24.