.1528 工程科学学报.第42卷，第11期 3思 Input image Wagon number region 75 TCDO detection model 51353-2 317528513532 Verification correction Wagon number character detection model 图2火车号识别流程 Fig.2 Pipeline of the wagon number recognition 3火车号区域检测 出现的频率就越小，另外垂直方向小于600像素 由于原始火车车箱图像分辨率较高，火车号 和大于1800像素的区域几乎没有火车号出现（只 区域仅占很小的一部分，直接采用原图计算量太 有一处火车号出现在了1800像素以外的区域).因 大，难以实时处理：如果直接缩小图像，又会使得 此，本文裁剪图像时在图像垂直方向取600~1800 火车号区域太小难以检测.因此，本文根据火车号 像素位置，从左到右依次截取分辨率为1200像 的位置统计分布采用滑动窗口方式进行检测 素×2400像素大小的局部图像进行检测.如果检测 3.1图像裁剪 成功，则进行下一步的字符检测和识别：如果检测 本文将所有的火车号图像左上角设为原点， 失败（未检测到火车号区域），则向右滑动到下一 统计所有火车号出现的位置得到了火车号分布的 个1200像素×2400像素的窗口进行检测.考虑到 热力图，如图3所示，其中红色对应于较高的频 火车号区域可能位于截取图像的边缘，因此在裁 次，蓝色对应于较低频次.从图中可以看出火车号 剪时预留了一定的重叠区域来保证裁剪时火车号 大部分都分布在图像靠左的位置，越往后火车号 区域的完整性.图4为截取的局部图像示例 Frequency 400 4 180 321 2000 1000 2000 3000 4000500060007000800090001000011000 Image width(pixel number) 图3火车号分布的热力图 Fig.3 Heatmap of the wagon number distribution logistics 图4火车号区域检测图像 Fig.4 Images for the wagon number region detection3    火车号区域检测 由于原始火车车箱图像分辨率较高，火车号 区域仅占很小的一部分，直接采用原图计算量太 大，难以实时处理；如果直接缩小图像，又会使得 火车号区域太小难以检测. 因此，本文根据火车号 的位置统计分布采用滑动窗口方式进行检测. 3.1    图像裁剪 本文将所有的火车号图像左上角设为原点， 统计所有火车号出现的位置得到了火车号分布的 热力图，如图 3 所示，其中红色对应于较高的频 次，蓝色对应于较低频次. 从图中可以看出火车号 大部分都分布在图像靠左的位置，越往后火车号 出现的频率就越小，另外垂直方向小于 600 像素 和大于 1800 像素的区域几乎没有火车号出现（只 有一处火车号出现在了 1800 像素以外的区域）. 因 此，本文裁剪图像时在图像垂直方向取 600～1800 像素位置，从左到右依次截取分辨率为 1200 像 素×2400 像素大小的局部图像进行检测. 如果检测 成功，则进行下一步的字符检测和识别；如果检测 失败（未检测到火车号区域），则向右滑动到下一 个 1200 像素×2400 像素的窗口进行检测. 考虑到 火车号区域可能位于截取图像的边缘，因此在裁 剪时预留了一定的重叠区域来保证裁剪时火车号 区域的完整性. 图 4 为截取的局部图像示例. Verification & correction Wagon number region detection model Wagon number character detection model 317528513532 Input image 图 2    火车号识别流程 Fig.2    Pipeline of the wagon number recognition 0 2000 1800 1200 800 400 0 Image height (pixel number) 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 Image width (pixel number) Frequency 6 5 4 3 2 1 0 图 3    火车号分布的热力图 Fig.3    Heatmap of the wagon number distribution 图 4    火车号区域检测图像 Fig.4    Images for the wagon number region detection · 1528 · 工程科学学报，第 42 卷，第 11 期