基于自适应形状上下文特征的实时杆号识别

doi:10.3778/j.issn.1002-8331.1701-0391

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (12): 187-191.DOI: 10.3778/j.issn.1002-8331.1701-0391

基于自适应形状上下文特征的实时杆号识别

杨梅，谭泽富，蔡黎

重庆三峡学院，重庆 404000

出版日期:2018-06-15 发布日期:2018-07-03

Real-time recognition of pole number based on adaptive shape context feature

YANG Mei, TAN Zefu, CAI Li

Chongqing Three Gorges University, Chongqing 404000, China

Online:2018-06-15 Published:2018-07-03

摘要/Abstract

摘要： 为了解决铁路供电接触网检测中杆号没有统一标准而造成识别困难的问题，提出了一种基于自适应形状上下文特征（Shape Context）的实时杆号识别算法。该算法利用已知的模板字符与杆号图像通过Shape Context匹配算法进行杆号识别和定位，然后通过自适应策略算法得到正确的杆号。实验结果表明，对于不同形状，不同大小的杆号牌，辅以较少的配置就可以实现杆号识别，准确率在95%以上，具有良好的工程实践意义。

关键词: 形状上下文特征, 杆号识别, 自适应

Abstract: In order to solve the problem of recognition difficulty for the absence of uniform standard in the rail power supply contact detection, a real-time pole number recognition algorithm based on adaptive shape context feature is proposed. The pole number is recognized and located by Shape Context matching algorithm with the known template characters and pole image, and then the correct pole number is obtained by the adaptive strategy algorithm. The experimental results show that the number of poles with different shapes and sizes can be identified by less configuration with good engineering practice significance, and the accuracy is more than 95%.

Key words: shape context, pole number recognition, adaptive

杨梅，谭泽富，蔡黎. 基于自适应形状上下文特征的实时杆号识别[J]. 计算机工程与应用, 2018, 54(12): 187-191.

YANG Mei, TAN Zefu, CAI Li. Real-time recognition of pole number based on adaptive shape context feature[J]. Computer Engineering and Applications, 2018, 54(12): 187-191.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[10]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[11]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[12]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[13]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[14]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[15]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.

基于自适应形状上下文特征的实时杆号识别

Real-time recognition of pole number based on adaptive shape context feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics