随着经济的发展,汽车已经不能满足客运和货运的需求,列车成为运输的主流。但随着运输轨道和列车数量的增加,安全问题成为人们关注的热点。如果单靠人力去记录铁道路线和列车轨迹,来实现列车运行的实时监控,不仅耗资大,而且浪费劳动力;由此,在计算机日益发展和图像处理技术不断成熟的今天,利用互联网设计一套列车车厢编号自动识别系统,实时监控列车运行轨迹成为首选。列车车厢编号自动识别系统设计存在两个难点——车厢编号区域的定位和车厢编号的识别。列车车厢编号是喷绘字体,会根据不同单位、不同铁路局的要求有所不同,字体不统一,大小不统一,规则也不统一;而且车厢编号字体颜色和车身颜色有部分相同;这给车厢编号区域的定位和识别带来了困难。列车在铁路轨道上高速运行,铁路周边的环境复杂多变;再加上采集图像的摄像头以及其它设备等硬件条件制约;这给采集优质原图像造成了很大的阻碍。采集的图像质量不高,会直接造成图像定位不准确,字符识别错误。本文首先研究了现有运行列车车厢编号定位和识别系统的现状,查阅了大量国内外该项技术文献和资料,分析了定位识别技术的难点。对采集的列车图像进行尺寸调整、亮度校正、锐化、灰度化、滤波、腐蚀等一系列图像预处理,使图像边缘信息特征更加清晰。然后对图像进行自适应边缘检测二值化,根据列车车厢编号区域的边缘信息量多于列车车身其它区域的特征,提出了一种适用于本文系统列车车厢编号区域的粗定位和精确定位两层定位方法。粗定位根据边缘信息量定位出车厢编号区域的有效位置,去除了其它干扰边缘信息;精确定位利用水平投影和垂直投影,准确地找出了列车车厢编号区域的上下边界和左右边界。进而对定位的目标区域图像进行单个字符分割、颜色填充,最后利用三层BP神经网络识别方法进行识别。上述算法应用VC++平台结合OpenCV库编制成一套适用于现场运行的软件系统,经大量实验证明本文设计的运行列车车厢编号自动识别系统,具有较好的实时性和准确性。本文设计的算法应用到某客运列车车厢编号识别系统中,经试运行表明是可行的。