王 玥，楊 揚

（西南交通大學 信息科學與技術(shù)學院，成都 611756）

計算機聯(lián)鎖系統(tǒng)是保障行車安全和提高運輸效率的車站信號控制系統(tǒng)之一[1]，聯(lián)鎖軟件作為系統(tǒng)核心，在投入使用前需經(jīng)過嚴格的審核和測試。關(guān)于軟件測試通常有人工測試和自動測試2 種方式。

文獻[2—5]在已知站場數(shù)據(jù)的情況下，分別基于腳本驅(qū)動生成測試用例，采用形式化工具編制測試腳本，應用等價類劃分與故障樹分析法編寫測試用例，采用I/O 接口仿真技術(shù)，從不同方面對提高計算機聯(lián)鎖軟件測試自動化程度進行了研究。但以上方法中，站場數(shù)據(jù)依賴人工手動輸入，自動化水平不高。文獻[6—8]提出了基于信號平面布置圖提取站場數(shù)據(jù)的方法，但應用于計算機聯(lián)鎖軟件測試時，又需要將上位機界面轉(zhuǎn)換為平面布置圖，過程繁瑣、耗時耗力。

為了更好地解決以上問題，本文提出了基于OpenCVSharp 對上位機界面進行識別來自動提取站場數(shù)據(jù)的方法。該方法以《車站計算機聯(lián)鎖操作顯示技術(shù)規(guī)范》[9]為準則，以圖像識別相關(guān)理論為依據(jù)，應用OpenCVSharp 圖像識別技術(shù)對上位機界面進行識別處理，準確識別出信號機、道岔與軌道區(qū)段，從而自動提取相關(guān)鐵路站場數(shù)據(jù)。

1 研究思路

鐵路站場數(shù)據(jù)自動提取方法整體研究思路，如圖1 所示。計算機聯(lián)鎖上位機界面將站場信息通過圖形化方式顯示，作為圖像識別系統(tǒng)的輸入；分析信號設(shè)備顯示特征，提煉關(guān)鍵信息并構(gòu)建站場數(shù)據(jù)模型；研究學習圖像識別相關(guān)算法，對不同類型的信號設(shè)備進行識別試驗；結(jié)合設(shè)備的顯示特征，設(shè)計流程識別信號設(shè)備，并將提取的站場數(shù)據(jù)保存在數(shù)據(jù)模型中。

2 信號設(shè)備顯示特征與數(shù)據(jù)模型

2.1 顯示特征分析

鐵路信號設(shè)備主要包括信號機、道岔和軌道電路，文獻[9]對各信號設(shè)備在計算機聯(lián)鎖上位機界面中的繪制特點作了明確規(guī)定。

（1）列車信號機（包括出站兼調(diào)車）采用雙燈位，即用2 個圓圈表示；調(diào)車信號機采用單燈位，即1 個圓圈表示；信號機基座采用1 段短豎線表示；高柱信號機在基座和圓圈之間增加1 段短橫線來表示燈柱；信號機名稱用銀白色表示。

（2）道岔斜線在屏幕中的傾斜角度宜一致，應提供道岔的狀態(tài)信息，如表示道岔開通位置的短線在道岔定位時顯示綠色，反位時顯示黃色等。

（3）軌道區(qū)段線條不能有明顯鋸齒，表示到發(fā)線的線條間距統(tǒng)一，應提供軌道區(qū)段空閑、占用等狀態(tài)信息，軌道區(qū)段名稱采用銀白色。

文獻[10]對道岔的凸包形狀進行了分析：單動道岔的凸包形狀為三角形和梯形，雙動道岔為斜直線，交叉渡線為菱形。

根據(jù)上述內(nèi)容，本文對信號設(shè)備主要類型及顯示特征進行了分析總結(jié)，如表1 所示。

表1 信號設(shè)備主要顯示特征

2.2 數(shù)據(jù)模型構(gòu)建

站場數(shù)據(jù)主要描述鐵路信號設(shè)備的屬性信息，定義各類數(shù)據(jù)模型如下。

定義1：信號機數(shù)據(jù)模型Signal 由一個五元組組成。

定義2：道岔數(shù)據(jù)模型Switch 由一個四元組組成。

定義3：軌道區(qū)段數(shù)據(jù)模型Section 由一個六元組組成。

在完成信號設(shè)備的識別后，設(shè)備屬性信息存儲在各類數(shù)據(jù)模型中，方便其他程序的調(diào)用。

3 圖像識別算法與試驗

C#相比于C++而言在對圖形用戶界面（GUI，Graphical User Interface）中的開發(fā)更具有便捷性。針對C#的計算機視覺庫主要有2 種：EmguCV 和OpenCVSharp，二者都提供了計算機視覺函數(shù)接口和一系列界面控件接口，但由于EmguCV 在使用時需要將C++封裝成動態(tài)鏈接庫在C#中調(diào)用，增加了軟件開發(fā)的難度，而OpenCVSharp 具有界面開發(fā)快、庫文件調(diào)用方便、安裝包小、商業(yè)應用友好等優(yōu)點，因此本文采用OpenCVSharp 計算機視覺庫將圖像識別相關(guān)算法應用于聯(lián)鎖上位機界面，其中包括圖像預處理、形態(tài)學處理、HSV（Hue,Saturation,Value）顏色分割及模板匹配。

3.1 圖像預處理

為了克服界面圖像中可能存在的模糊、噪聲等問題，需要對界面圖像進行預處理操作。聯(lián)鎖上位機界面圖像的預處理過程包括灰度變換、二值化和圖像濾波等。為了增強有關(guān)信息的可檢測性，本文對上位機界面采用加權(quán)平均值法進行灰度變換，可以將圖像的三通道轉(zhuǎn)換為單通道，進而將像素值限定在[0，255]；采用固定閾值法進行二值變換，可以直接消除不滿足閾值條件的干擾信息；采用中值濾波法進行降噪處理可以消除圖像中的椒鹽噪聲。經(jīng)過預處理后的界面圖像，如圖2 所示。

圖2 界面預處理后圖像

3.2 形態(tài)學處理

形態(tài)學處理的基礎(chǔ)是膨脹（Dilate）與腐蝕（Erode）的合理結(jié)合。其中，膨脹的作用就是在結(jié)構(gòu)元素（Kernel）的約束下將與目標區(qū)域相接觸的背景合并到該目標物中。而腐蝕是膨脹的對偶運算，其作用是在結(jié)構(gòu)元素的約束下消除目標區(qū)域的部分邊界點，使其邊界向內(nèi)部收縮。由于界面設(shè)計人員繪制風格的不同，可能會出現(xiàn)信號機圓圈之間，或圓圈與燈柱之間存在間隙的情況。而間隙的存在會影響信號機的識別效果，因此本文提出用形態(tài)學運算對信號機進行連通處理，解決間隙問題，便于信號機的識別，信號機連通效果，如圖3 所示。

圖3 信號機連通處理

3.3 HSV 顏色分割

HSV 顏色分割要基于HSV 色彩空間，引入HSV 空間對圖像進行分析可以將亮度從色彩中分解出來，在圖像增強算法中用途很廣泛。在聯(lián)鎖上位機界面中，各信號設(shè)備的顯示都是由3 種基色紅（R）、綠（G）、藍（B）相互以一定的比例復合而成，每像素顏色有256×256×256 個取值，對于顏色相近的圖元來說，很難在RGB 空間中進行準確的分割。但在HSV 色彩空間中，彩色圖像主要由色調(diào)（Hue）、飽和度（Saturation）和明度（Value）3 部分組成，如圖4 所示。

圖4 HSV 色彩空間

其中，H 值將色域范圍限定在0～360°，每一種顏色均有確定的色域值，S 與V 值僅改變了顏色的飽和度與明亮度。因此本文提出用HSV 顏色分割技術(shù)來初篩顏色特征明顯的信號設(shè)備。

由表1 可知，道岔和軌道區(qū)段的線條顏色均為淺藍色，在用HSV 顏色分割技術(shù)進行提取時，可以減少界面中其余顏色相近圖元的干擾。道岔和軌道區(qū)段的HSV 提取效果，如圖5 所示。

圖5 道岔與軌道區(qū)段HSV 提取效果

3.4 模板匹配

模板匹配算法[11]在圖像處理中通常被應用于字符識別，而字符識別算法也不僅限于模板匹配，應用較為廣泛的還有人工神經(jīng)網(wǎng)絡（ANN，Artificial Neural Network）與支持向量機（SVM，Support Vector Machine）算法，這2 種算法在識別率和識別時間上均優(yōu)于模板匹配算法，但都需提前進行大量樣本字符的訓練，更適合對復雜文本進行識別。在上位機界面中，設(shè)備名稱通常僅由字母和數(shù)字組成，構(gòu)成簡單，從軟件設(shè)計成本考慮無需采用ANN 或SVM，因此本文采用模板匹配算法對信號設(shè)備名稱進行識別。

3.4.1 算法原理

匹配原理示意，如圖6 所示，用模板圖像在輸入圖像中從左到右，從上到下進行遍歷，并在遍歷過程中實時計算匹配度，匹配度越大則模板圖像與輸入圖像相同的可能性越大。

圖6 模板匹配示意

3.4.2 歸一化相關(guān)系數(shù)匹配

OpenCVSharp 中提供了cv::matchTemplate()函數(shù)來實現(xiàn)匹配度計算，歸一化相關(guān)系數(shù)匹配法是該函數(shù)所支持的匹配方式之一，當模板圖像與輸入圖像完全匹配時結(jié)果為1，完全負相關(guān)匹配時結(jié)果為-1，完全不匹配則結(jié)果為0。

相關(guān)系數(shù)匹配使用原圖像與其均值的差、模板圖像與其均值的差二者之間的相關(guān)性進行匹配，并在該基礎(chǔ)上做了歸一化處理，匹配度R(x,y)的計算，如式（1）所示。

式中：

T與I分別為模板圖像與原圖像的矩陣；

R(x,y)為匹配度；

(x,y)為當前遍歷區(qū)域在I矩陣中左上角元素坐標；

T(x’,y’)為T矩陣中對應坐標的元素值；

I(x’,y’)為I矩陣中對應坐標的元素值；

w與h分別為模板圖像的寬與高。

對于T覆蓋在I上的每個位置，將產(chǎn)生一個匹配度R(x,y)，并保存在結(jié)果矩陣R中。當I被T遍歷完畢時，需要使用cv::minMaxLoc()尋找R中的最大值，該值越接近于1，匹配效果越好。應用模板匹配算法實現(xiàn)信號機名稱識別示例，如圖7 所示。

圖7 信號機名稱模板匹配示例

4 自動提取站場數(shù)據(jù)

4.1 流程設(shè)計

綜合上述內(nèi)容，現(xiàn)設(shè)計信號機、道岔和軌道區(qū)段的識別與數(shù)據(jù)提取流程，如圖8 所示。向圖像識別系統(tǒng)輸入上位機界面圖像后，通過圖像預處理，對圖像進行灰度變換、二值變換和中值濾波；針對不同信號設(shè)備分別進行識別處理，提取相關(guān)屬性數(shù)據(jù)并進行保存。

圖8 信號設(shè)備識別與數(shù)據(jù)提取流程

其中，不同的信號設(shè)備，識別算法的應用也有所不同。

（1）信號機（包含基座、燈柱、燈位）整體而言對顏色敏感度不高，且由于燈位之間的間隙問題，在對其進行識別時：①需要應用形態(tài)學處理實現(xiàn)連通化，隨后對連通區(qū)域進行輪廓檢測與面積計算，篩選出符合條件的連通域，此時由于列車信號機與調(diào)車信號機面積的差異性可確定出信號機類型屬性SigType；②由于信號機基座與禁止燈光的顏色特征較為明顯，可采用HSV 顏色分割技術(shù)提取基座中心與禁止燈光中心坐標，并對二者加以判斷可確定出信號機朝向SigDirection 與坐標屬性SigPosition，再通過輪廓檢測計算連通域長度便可確定高柱、矮型屬性SigTallLow；③利用模板匹配算法提取信號機名稱屬性SigName。

（2）道岔在界面中的顏色特征明顯，對其進行識別時：①采用HSV 顏色分割技術(shù)將道岔從界面中分離出來，可減少其他圖元信息的干擾；②運用形態(tài)學處理實現(xiàn)道岔線段的修復，再使用凸包提取與多邊形擬合可確定出道岔類型SwiType、開口方向SwiDirection 與坐標屬性SwiPosition；③利用模板匹配算法提取道岔名稱屬性SwiName。

（3）軌道區(qū)段部分處理同道岔：①采用HSV顏色分割技術(shù)將軌道區(qū)段與絕緣節(jié)從界面中分離出來，運用形態(tài)學處理將斷連直線段合并為長軌條，并將絕緣節(jié)重繪至長軌條實現(xiàn)軌道區(qū)段的正確劃分；②設(shè)計處理邏輯實現(xiàn)軌道區(qū)段類型SecType 與坐標屬性SecPosition 的提取；③利用模板匹配算法提取軌道區(qū)段名稱屬性SecName。

4.2 軟件實現(xiàn)結(jié)果與分析

根據(jù)上述站場數(shù)據(jù)自動提取方法，在Visual Studio 2017 環(huán)境下，采用C#語言開發(fā)了鐵路站場數(shù)據(jù)自動提取軟件。軟件輸入原圖像，如圖9 所示。信號設(shè)備識別與站場數(shù)據(jù)提取結(jié)果，如圖10、圖11所示。通過識別測試，獲得軟件識別率，如表2 所示。從識別效果來看，當設(shè)備名稱與設(shè)備本體相連時，由于粘連問題，識別結(jié)果會產(chǎn)生較大誤差。此時可考慮進一步分割圖像，增加識別準確性。

表2 信號設(shè)備識別率

圖9 上位機界面原圖

圖10 信號設(shè)備識別結(jié)果

圖11 站場數(shù)據(jù)提取結(jié)果

5 結(jié)束語

本文提出了一種鐵路站場數(shù)據(jù)自動提取方法，基于圖像識別技術(shù)，實現(xiàn)了聯(lián)鎖上位機界面中信號機、道岔以及軌道區(qū)段的識別與屬性數(shù)據(jù)提取。經(jīng)實驗驗證，該方法可解決計算機聯(lián)鎖自動測試軟件所需的站場數(shù)據(jù)依賴人工手動輸入的問題，但當設(shè)備名稱與設(shè)備本體相粘連時，軟件識別結(jié)果會產(chǎn)生較大誤差，此時還應根據(jù)實際情況做進一步調(diào)整。