动车组高速运行下车号自动识别技术研究

李晏良

（中国铁道科学研究院集团有限公司 节能环保劳卫研究所，北京 100081）

截至2020年底，我国高速铁路营业里程3.8万公里，国家铁路客车拥有量为7.5万辆，其中动车组3 828标准组、30 620辆[1]。随着我国高速铁路的快速发展，动车组已经成我国客运车辆的主力军。早期运营的动车组已经超过10年，动车组的运营维护技术逐步成为研究的重点方向之一。研究高速动车组车号识别技术，能够满足车外应用系统对动车组基础信息的需求，将丰富各类数据的应用场景，进一步提高动车组运营管理水平和运输组织效率。因此，有必要研发适应高速动车组技术特点和应用环境的高速动车组车号识别技术。

1 列车车号识别类型

目前，国内外对列车车号识别主要通过2种方式实现：基于RFID技术的车号识别、基于图像处理技术的车号识别。

1.1 基于RFID技术的车号识别

无线射频识别(Radio Frequency Identification，RFID)技术[2-4]，是指利用无线射频方式，在阅读器和标签之间进行非接触式数据通信，从而通过射频信号自动识别带有标签的对象，实时有效获取目标信息。

列车车号自动识别有多种实现方式，最成熟的技术为铁路车号自动识别系统(ATIS)[5-7]。该系统是基于RFID技术来实现车号的自动识别。在目标机车、货车上安装电子标签，在地面安装识别系统，当列车通过时，地面识别系统自动读取通过列车的电子标签信息，获取通过列车的车号。ATIS最大的优势是能够对所有安装了电子标签的列车车号进行快速、准确的识别，缺点是配套设备复杂，所有被测车辆均需安装电子标签，电子标签易损坏、丢失，对其运行环境及设备维护要求较高。目前，尚未对所有车辆安装电子标签，ATIS不适用于高速动车组车号自动识别。

1.2 基于图像处理技术的车号识别

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。传统的图像识别流程分为以下4个步骤：图像采集、图像预处理、特征提取和图像识别。

近年来，国内外应用图形图像处理技术在人工智能等方面进行了广泛研究，特别是在人脸识别和商品识别方面，甚至应用了减少人工干预的深度学习方法[8]。在交通领域，图像处理技术主要应用于车号定位和车号识别方面，在汽车车号识别方面应用较多，铁路方面也开展了大量的研究[9-13]，在车号识别方面主要采用了传统的光学字符识别(OCR)方法，该方法分为车号定位、图像分割和字符提取等，并通过字符特征来进行识别。

2 高速铁路动车组车号自动识别关键技术

在动车组高速运行的工况下，实现高速动车组车号自动识别主要有以下关键技术需要解决：获取稳定、高精度的图像，低延迟的自动触发，图像识别率及识别精度。

2.1 高精度图像获取技术

基于图像识别技术的高速动车组车号自动识别能够实现的前提是获取连续稳定清晰的图像。由于高速动车组车号自动识别系统运用环境为野外，动车组处于高速运行状态，制约清晰图片获取的因素主要包括以下方面：一是动车组高速运行，由于动车组高速通过测点位置，使系统获取图片的时间很短，传统相机基本无法实现；二是光线的干扰，阴雨天气、白天黑夜、日出日落等导致光线不均匀，不同时段图像的明暗差别过大。上述因素都将严重影响获取稳定清晰的图片。

为了解决高速工况下获取问题，应采用高像素、低延迟的相机。目前，市场上的相机主要分为面阵相机和线阵相机两类，两者都可以实现上述要求。但是，由于高速动车组速度高，要求相机曝光时间短，需光亮量大，从而导致用电量也大；而线阵相机对单行进行扫描，其光亮需求比面阵相机小，更适合野外供电量受限的工况下使用。

为了解决光线的干扰，可通过在相机镜头前加“滤光片+补光光源”的方式实现。滤光片的作用是过滤自然光的干扰，从而使任何时间点的图像光线均匀，不会图像明暗不均、光斑或畸变等。补光光源，由于其稳定的光亮度，使任何时间点获得的图像基本一致，为车号的自动识别提供了稳定的图像；同时，夜间和阴雨天也能正常获取图像，增加了系统应用效率。

2.2 自动触发技术

自动触发是实现高速动车组车号识别的关键因素之一。为保障设备能够准确自动触发，触发信号的选择尤为重要。理论上，有3种方式可以获得列车车速和触发信号：在钢轨上安装磁钢、利用通过列车噪声振动信号和在线路外侧安装非接触式光学传感器。3种不同触发方式的优缺点如下。

（1）磁钢触发。此方案的优点是传感器价格便宜、安装简单、触发和测速精确；缺点是被测高速铁路线路是运营线路，在钢轨或轨道板等位置安装触发传感器存在安全隐患，实现难度较大。

（2）噪声触发。此方案的优点是利用噪声传感器，无需额外的触发传感器；缺点是环境干扰大，容易造成误触发且无法测速，无法精确定位车头位置。

（3）激光触发。此方案的优点是能够精确触发，同时传感器可安装在距离近侧线路中心线10 m以上的位置，消除了安全隐患，实施困难较小，并且可以利用其信号进行精确测速；缺点是传感器价格较贵、安装调试复杂。

基于以上各因素综合考虑，采用受环境干扰少、触发准确率高的激光传感器作为信号触发传感器。当动车组通过时，激光传感器接收到I/O信号，并将I/O信号实时传输给整个数据采集系统，以实现高速动车组自动识别系统的触发，并同步进行图像数据的分析。目前，我国动车组最高运营速度达到350 km/h，规划中有400 km/h的线路，因而在激光传感器选择时，应选用高精度、高灵敏度的中远距离激光传感器，其输出时间不得大于10 ms，在配合其他系统应用时，其精度需求可能更高。

2.3 图像识别技术

因动车组车号特征较单一，车号识别主要采用传统的OCR方法，包括图像预处理、车号区域确定、字符分割和字符识别等步骤。图像预处理是为了获得质量更好的图像，包括图像灰度变换、图像去噪、图像增强。车号区域确定是将图像中含有车号的区域从整幅图像中提取出来，在车号识别中非常重要，区域内应包含完整的车号字符信息，同时不受其他非字符区域的影响。字符分割是基于图像二值化技术，将每个字符分割以利于之后的图像识别，包括基于颜色的分割、基于特征的分割和基于模板的分割等方法。字符识别是指识别分割后的单个字符，同时按照原来顺序重新组合，形成完整的动车组车号。

3 高速动车组车号自动识别技术应用

为了验证高速动车组车号自动识别技术的有效性，在关键技术研究的基础上开发了高速动车组车号自动识别系统。该系统可以单独使用，也可以嵌入其他应用系统，如高速铁路噪声振动监测系统或5T系统等，为其他系统实时提供通过列车车号信息。

3.1 系统组成

高速动车组车号自动识别系统由数据采集模块(滤光片、相机和数据采集设备组成)、信号触发模块、补光光源模块、数据综合分析模块和供电模块等组成。

数据采集模块包括数据采集设备、线阵相机和滤光片，线阵相机通过数据采集设备与数据综合分析模块连接；数据采集设备通过线阵相机采集原始图像数据，并将原始图像数据记录在数据综合分析模块的硬盘中；滤光片位于相机镜头前方，过滤普通日光。

信号触发模块包括1个激光触发器，激光触发器安装在线路外侧的支架上，通过信号线与相机、补光光源模块连接；以激光作为补光光源，列车通过时开始工作，通过后进入待机状态，其主要作用为相机拍照进行补光。

供电模块为蓄电池、太阳能电池、风力发电机或市电。

数据综合分析模块内置数据分析存储软件，对图像数据进行OCR分析，得到通过列车的时刻、车组号码，并存储于硬盘中。

高速动车组车号自动识别系统如图1所示。

图1 高速动车组车号自动识别系统

3.2 拓展应用

在高速铁路噪声自动监测系统中[14]，需要准确掌握每一列通过动车组的列车运行辐射噪声并与列车车号匹配，因而在高速铁路噪声自动监测系统中，嵌入了高速动车组车号自动识别系统。在系统应用中，采用了2K线阵扫描相机和激光补光光源作为图像采集设备。基于我国高速列车的实际车速为200～350 km/h，主要对线阵相机的行频和曝光时间等参数进行设置：行频为23 000 Hz，曝光时间12μs。该系统应用如图2所示。

图2 系统应用

该系统在获取动车组图像数据后，使用光学字符识别(OCR)算法，提取前端配置后的自定义兴趣区域(Region of Interest，ROI)区域，以及预先设定好的现场字库数据库，集成OCR+ROI技术快速对图像进行识别，获得通过动车组的车号。图3为该系统的车号识别界面，当动车组通过后，右侧显示有动车组车号的图像，左侧显示实时显示该动车组车号。

图3 车号自动识别界面

4 结束语

在实际需求的基础上，基于现实应用环境研究了高速动车组车号识别关键技术并在高速铁路噪声监测系统中开展了应用，方案通过了现场调试及运行考核，各项指标均满足技术要求，实现了高速动车组车号实时在线获取，满足了高速铁路噪声自动监测系统对动车组信息的需求，提高了高速铁路噪声监测效率，丰富了高速铁路噪声应用的场景。同时，高速动车组车号自动识别技术也可以应用于动车组状态监测和动车组运维工作，以提高动车组的运输组织效率。