陳超 牛王強(qiáng) 杜芃

摘要：為實(shí)現(xiàn)對集裝箱箱號的正確識別，提出一種基于模板匹配和特征匹配的識別算法。對采集到的集裝箱圖像進(jìn)行預(yù)處理，得到改善后的集裝箱二值化圖像;采用數(shù)學(xué)形態(tài)學(xué)操作使字符域連通，計(jì)算字符連通域的寬高比得到集裝箱箱號區(qū)域;利用投影檢測方法實(shí)現(xiàn)對箱號字符的分割;運(yùn)用模板匹配算法與特征匹配算法相結(jié)合的分類方法對集裝箱箱號字符進(jìn)行識別。該算法用MATLAB進(jìn)行編程，完成對集裝箱箱號的自動定位、分割和識別。提出的方法可正確識別出集裝箱箱號，識別率達(dá)到93%，識別時(shí)間為130～150 ms，可提高碼頭的工作效率。

關(guān)鍵詞：集裝箱; 模板匹配; 特征匹配; 數(shù)學(xué)形態(tài)學(xué); 字符識別

中圖分類號： ?U695.22;TP391.4

文獻(xiàn)標(biāo)志碼： ?A

Abstract：In order to achieve correct recognition of container code， a recognition algorithm based on template matching and feature matching is proposed. The collected container pictures are preprocessed to obtain the improved container binary images; the mathematical morphological operation is used to connect the character domain， and the aspect ratio of the connected domain is calculated to get the container code area; the projection detection method is used to achieve character segmentation; the classification method combining the template matching algorithm and the feature matching algorithm is used to recognize the container code characters. The algorithm is programmed with MATLAB to achieve automatic positioning， segmentation and recognition of container codes. The proposed method correctly recognizes container codes， the recognition rate reaches 93%， and the identification time is between 130 ms and 150 ms. The method can improve the working efficiency of terminals.

Key words：container; template matching; feature matching; mathematical morphology; character recognition

0 引 言

集裝箱是主要的物流裝備，“十三五”期間，上海港的集裝箱年吞吐量預(yù)計(jì)達(dá)到4 200萬TEU左右。集裝箱箱號是集裝箱的唯一標(biāo)識，實(shí)現(xiàn)對集裝箱箱號的正確識別是提高集裝箱管理效率的有效途徑。識別集裝箱箱號的傳統(tǒng)手工方法有很多缺點(diǎn)，如速度慢、錯(cuò)誤率高等，因此國內(nèi)外學(xué)者在對箱號識別方面做了很多研究。宓超等[1]提出了基于模板匹配的集裝箱箱號識別方法，該方法對集裝箱箱號的識別率高，但當(dāng)箱號噪聲較大時(shí)，箱號識別會發(fā)生錯(cuò)誤;胡婷[2]提出了基于人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks，ANNs）的集裝箱箱號識別方法，該方法對箱號的識別率高，但訓(xùn)練時(shí)間長，需要進(jìn)行大量試驗(yàn);安博文等[3]提出了基于支持向量機(jī)（support vector machine，SVM）分類器的集裝箱箱號識別方法，此方法雖然穩(wěn)定性較好，對箱號的識別率高，但是需要大量的訓(xùn)練樣本。本文提出一種基于模板匹配和特征匹配的集裝箱箱號識別方法。該方法通過采集的集裝箱圖像建立字符模板庫和相似字符的特征模板庫，在對箱號進(jìn)行識別時(shí)，首先對箱號進(jìn)行模板匹配，再對模板匹配得到的相似字符進(jìn)行特征匹配，最終得到箱號識別結(jié)果。本文提出的識別方法選取相似字符之間差異較大的特征作為特征模板庫的特征向量，能夠避免模板匹配對相似字符的誤識別;同時(shí)模板匹配不像SVM方法那樣需要大量的訓(xùn)練樣本，也不像神經(jīng)網(wǎng)絡(luò)方法那樣需要大量的訓(xùn)練時(shí)間，可提高識別的效率。

1 集裝箱箱號的特征

根據(jù)ISO標(biāo)準(zhǔn)，集裝箱箱號由3個(gè)部分組成[4]：4個(gè)大寫英文字母、6位數(shù)字和1個(gè)校驗(yàn)碼。雖然在這11個(gè)ISO字符旁邊可能有其他字符，但是這11個(gè)ISO字符被認(rèn)為是集裝箱的唯一代碼。ISO標(biāo)準(zhǔn)僅規(guī)定集裝箱上的代碼類型、字符和背景，而沒有規(guī)定集裝箱箱號的位置、字體類型和字號。典型集裝箱箱號示例見圖1。

集裝箱箱號的特征[5]總結(jié)如下：

①不同的集裝箱箱號位置可能不同，箱號的字體類型和字體顏色也可能不同。

②同一集裝箱箱號灰度接近，由大小相對一致的印刷體組成，箱號字符與背景之間對比強(qiáng)烈。

③集裝箱箱號字符有多種排列模式，例如：水平排成1行;水平排成2行;豎直排成1列。

④采用豎直排列模式的集裝箱箱號寬高比范圍為1/10～1/8。

本文主要描述應(yīng)用于豎直排列模式的方法。只要把集裝箱圖像旋轉(zhuǎn)180°，再調(diào)整幾個(gè)參數(shù)，該方法就可以適用于水平排列模式。

2 集裝箱箱號的識別過程

下面通過處理一幅集裝箱圖像來說明集裝箱箱號的識別過程。

集裝箱箱號的識別過程包括4個(gè)步驟（或模塊）：集裝箱圖像預(yù)處理、集裝箱箱號定位、集裝箱箱號分割、集裝箱箱號字符識別。

集裝箱箱號識別的各個(gè)模塊是相互關(guān)聯(lián)的，前一個(gè)模塊的處理會影響后續(xù)模塊運(yùn)行的效果，因此有針對各個(gè)模塊的處理算法。

2.1 集裝箱圖像預(yù)處理

集裝箱圖像的預(yù)處理模塊是整個(gè)識別系統(tǒng)中的第1個(gè)模塊，在預(yù)處理模塊中對集裝箱圖像進(jìn)行灰度化、平滑、二值化操作，其目的是改善圖像質(zhì)量，提高箱號識別的精度和速度。

2.1.1 圖像灰度化操作

2.1.2 圖像平滑操作

圖像平滑操作是為了降低噪聲對集裝箱圖像中箱號區(qū)域的影響。系統(tǒng)采用中值濾波對集裝箱灰度圖像進(jìn)行平滑操作，濾除噪聲，讓集裝箱圖像灰度與實(shí)際物體的灰度最大程度地匹配。中值濾波采用空域平滑算法[7]。中值濾波的原理：首先將箱號區(qū)域像素值按從小到大的順序排列，然后選出處于中間位置的像素值作為圖像的輸出灰度。中值濾波器是一個(gè)滑動窗口，滑動窗口中含有奇數(shù)個(gè)像素值，窗口正中間的像素值為窗口中所有像素值的中值。對于1個(gè)3×3的集裝箱灰度圖像，其中值濾波示意圖見圖3。

4 結(jié)束語

集裝箱箱號的自動識別對現(xiàn)代集裝箱管理系統(tǒng)非常重要，對集裝箱箱號自動識別系統(tǒng)的研究要考慮算法的實(shí)時(shí)性和魯棒性。本系統(tǒng)通過對采集的集裝箱圖像進(jìn)行預(yù)處理，能夠自動準(zhǔn)確地定位到箱號區(qū)域，對箱號區(qū)域字符進(jìn)行分割，并能正確快速地識別出箱號字符。

在研究的過程中發(fā)現(xiàn)，對于污損過大和曝光過度的集裝箱箱號，采用本文的方法無法正確識別。未來將嘗試由一臺或多臺攝像機(jī)采集集裝箱在不同位置或不同時(shí)間的圖像（集裝箱箱號圖像在一張圖像中可能是清晰的，在另一張圖像中可能是模糊的），然后將這些圖像整合或融合至同一幅集裝箱圖像中，從而提高集裝箱箱號自動識別的性能。

參考文獻(xiàn)：

[1]宓超， 沈陽， 宓為建. 裝卸機(jī)器視覺及應(yīng)用[M]. 上海： 上?？茖W(xué)技術(shù)出版社， 2016： 147-151.

[2]胡婷. 基于神經(jīng)網(wǎng)絡(luò)的集裝箱字符識別的研究[D]. 武漢： 武漢理工大學(xué)， 2012.

[3]安博文， 李丹， 龐然. 基于SVM分類器的集裝箱箱號識別法[J]. 上海海事大學(xué)學(xué)報(bào)， 2011， 32（1）： 25-29.

[4]孫凌紅. 集裝箱箱號智能識別算法研究[D]. 武漢： 武漢理工大學(xué)， 2012.

[5]陳子宜. 基于機(jī)器視覺的集裝箱箱號識別[D]. 上海： 上海交通大學(xué)， 2014.

[6]張錚， 徐超， 任淑霞， 等. 數(shù)字圖像處理與機(jī)器視覺[M]. 2版. 北京： 人民郵電出版社， 2014： 58-89.

[7]孫正. 數(shù)字圖像處理與識別[M]. 北京： 機(jī)械工業(yè)出版社， 2014： 69-74.

[8]陳莉. 數(shù)字圖像處理算法研究[M]. 北京： 科學(xué)出版社， 2016： 97-113.

[9]GONZALEZ R C， WOODS R E. 數(shù)字圖像處理[M]. 阮秋琦， 阮宇智， 譯. 3版. 北京： 電子工業(yè)出版社， 2011： 402-437.

[10]谷秋頔. 基于模板匹配的車牌字符識別及其判別函數(shù)的研究[D]. 太原： 中北大學(xué)， 2012.

[11]冼允廷， 路小波， 施毅， 等. 基于投影二分法的車牌字符分割方法[J]. 交通與計(jì)算機(jī)， 2007（5）： 69-72.

[12]陳默， 何小海， 吳煒， 等. 結(jié)合獨(dú)立與連續(xù)字符識別的集裝箱號識別技術(shù)[J]. 四川大學(xué)學(xué)報(bào)（工程科學(xué)版）， 2011， 43（S1）： 39-145. DOI： 10.15961/j.jsuese.2011.s1.025.

[13]姜瑾， 張桂林， 許慧慧. 基于投影特征曲線匹配的車牌字符識別算法[J]. 計(jì)算機(jī)與數(shù)字工程， 2007（6）： 20-22.

[14]陳丹. 集裝箱圖像識別與定位系統(tǒng)研究與實(shí)現(xiàn)[D]. 成都： 西南交通大學(xué)， 2013.

（編輯 賈裙平）