王 玥，楊 揚(yáng)

（西南交通大學(xué) 信息科學(xué)與技術(shù)學(xué)院，成都 611756）

計(jì)算機(jī)聯(lián)鎖系統(tǒng)是保障行車安全和提高運(yùn)輸效率的車站信號(hào)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(yán)格的審核和測(cè)試。關(guān)于軟件測(cè)試通常有人工測(cè)試和自動(dòng)測(cè)試2 種方式。

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

為了更好地解決以上問題，本文提出了基于OpenCVSharp 對(duì)上位機(jī)界面進(jìn)行識(shí)別來自動(dòng)提取站場(chǎng)數(shù)據(jù)的方法。該方法以《車站計(jì)算機(jī)聯(lián)鎖操作顯示技術(shù)規(guī)范》[9]為準(zhǔn)則，以圖像識(shí)別相關(guān)理論為依據(jù)，應(yīng)用OpenCVSharp 圖像識(shí)別技術(shù)對(duì)上位機(jī)界面進(jìn)行識(shí)別處理，準(zhǔn)確識(shí)別出信號(hào)機(jī)、道岔與軌道區(qū)段，從而自動(dòng)提取相關(guān)鐵路站場(chǎng)數(shù)據(jù)。

1 研究思路

鐵路站場(chǎng)數(shù)據(jù)自動(dòng)提取方法整體研究思路，如圖1 所示。計(jì)算機(jī)聯(lián)鎖上位機(jī)界面將站場(chǎng)信息通過圖形化方式顯示，作為圖像識(shí)別系統(tǒng)的輸入；分析信號(hào)設(shè)備顯示特征，提煉關(guān)鍵信息并構(gòu)建站場(chǎng)數(shù)據(jù)模型；研究學(xué)習(xí)圖像識(shí)別相關(guān)算法，對(duì)不同類型的信號(hào)設(shè)備進(jìn)行識(shí)別試驗(yàn)；結(jié)合設(shè)備的顯示特征，設(shè)計(jì)流程識(shí)別信號(hào)設(shè)備，并將提取的站場(chǎng)數(shù)據(jù)保存在數(shù)據(jù)模型中。

2 信號(hào)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(hào)設(shè)備主要包括信號(hào)機(jī)、道岔和軌道電路，文獻(xiàn)[9]對(duì)各信號(hào)設(shè)備在計(jì)算機(jī)聯(lián)鎖上位機(jī)界面中的繪制特點(diǎn)作了明確規(guī)定。

（1）列車信號(hào)機(jī)（包括出站兼調(diào)車）采用雙燈位，即用2 個(gè)圓圈表示；調(diào)車信號(hào)機(jī)采用單燈位，即1 個(gè)圓圈表示；信號(hào)機(jī)基座采用1 段短豎線表示；高柱信號(hào)機(jī)在基座和圓圈之間增加1 段短橫線來表示燈柱；信號(hào)機(jī)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(yīng)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(shí)顯示綠色，反位時(shí)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(yīng)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(xiàn)[10]對(duì)道岔的凸包形狀進(jìn)行了分析：?jiǎn)蝿?dòng)道岔的凸包形狀為三角形和梯形，雙動(dòng)道岔為斜直線，交叉渡線為菱形。

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

表1 信號(hào)設(shè)備主要顯示特征

2.2 數(shù)據(jù)模型構(gòu)建

站場(chǎng)數(shù)據(jù)主要描述鐵路信號(hào)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(hào)機(jī)數(shù)據(jù)模型Signal 由一個(gè)五元組組成。

定義2：道岔數(shù)據(jù)模型Switch 由一個(gè)四元組組成。

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

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

3 圖像識(shí)別算法與試驗(yàn)

C#相比于C++而言在對(duì)圖形用戶界面（GUI，Graphical User Interface）中的開發(fā)更具有便捷性。針對(duì)C#的計(jì)算機(jī)視覺庫主要有2 種：EmguCV 和OpenCVSharp，二者都提供了計(jì)算機(jī)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(shí)需要將C++封裝成動(dòng)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(yīng)用友好等優(yōu)點(diǎn)，因此本文采用OpenCVSharp 計(jì)算機(jī)視覺庫將圖像識(shí)別相關(guān)算法應(yīng)用于聯(lián)鎖上位機(jī)界面，其中包括圖像預(yù)處理、形態(tài)學(xué)處理、HSV（Hue,Saturation,Value）顏色分割及模板匹配。

3.1 圖像預(yù)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(duì)界面圖像進(jìn)行預(yù)處理操作。聯(lián)鎖上位機(jī)界面圖像的預(yù)處理過程包括灰度變換、二值化和圖像濾波等。為了增強(qiáng)有關(guān)信息的可檢測(cè)性，本文對(duì)上位機(jī)界面采用加權(quán)平均值法進(jìn)行灰度變換，可以將圖像的三通道轉(zhuǎn)換為單通道，進(jìn)而將像素值限定在[0，255]；采用固定閾值法進(jìn)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(jìn)行降噪處理可以消除圖像中的椒鹽噪聲。經(jīng)過預(yù)處理后的界面圖像，如圖2 所示。

圖2 界面預(yù)處理后圖像

3.2 形態(tài)學(xué)處理

形態(tài)學(xué)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(biāo)區(qū)域相接觸的背景合并到該目標(biāo)物中。而腐蝕是膨脹的對(duì)偶運(yùn)算，其作用是在結(jié)構(gòu)元素的約束下消除目標(biāo)區(qū)域的部分邊界點(diǎn)，使其邊界向內(nèi)部收縮。由于界面設(shè)計(jì)人員繪制風(fēng)格的不同，可能會(huì)出現(xiàn)信號(hào)機(jī)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(huì)影響信號(hào)機(jī)的識(shí)別效果，因此本文提出用形態(tài)學(xué)運(yùn)算對(duì)信號(hào)機(jī)進(jìn)行連通處理，解決間隙問題，便于信號(hào)機(jī)的識(shí)別，信號(hào)機(jī)連通效果，如圖3 所示。

圖3 信號(hào)機(jī)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(duì)圖像進(jìn)行分析可以將亮度從色彩中分解出來，在圖像增強(qiáng)算法中用途很廣泛。在聯(lián)鎖上位機(jī)界面中，各信號(hào)設(shè)備的顯示都是由3 種基色紅（R）、綠（G）、藍(lán)（B）相互以一定的比例復(fù)合而成，每像素顏色有256×256×256 個(gè)取值，對(duì)于顏色相近的圖元來說，很難在RGB 空間中進(jìn)行準(zhǔn)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(hào)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(lán)色，在用HSV 顏色分割技術(shù)進(jìn)行提取時(shí)，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(yīng)用于字符識(shí)別，而字符識(shí)別算法也不僅限于模板匹配，應(yīng)用較為廣泛的還有人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）與支持向量機(jī)（SVM，Support Vector Machine）算法，這2 種算法在識(shí)別率和識(shí)別時(shí)間上均優(yōu)于模板匹配算法，但都需提前進(jìn)行大量樣本字符的訓(xùn)練，更適合對(duì)復(fù)雜文本進(jìn)行識(shí)別。在上位機(jī)界面中，設(shè)備名稱通常僅由字母和數(shù)字組成，構(gòu)成簡(jiǎn)單，從軟件設(shè)計(jì)成本考慮無需采用ANN 或SVM，因此本文采用模板匹配算法對(duì)信號(hào)設(shè)備名稱進(jìn)行識(shí)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(jìn)行遍歷，并在遍歷過程中實(shí)時(shí)計(jì)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(shí)現(xiàn)匹配度計(jì)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(dāng)模板圖像與輸入圖像完全匹配時(shí)結(jié)果為1，完全負(fù)相關(guān)匹配時(shí)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(jìn)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(jì)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(dāng)前遍歷區(qū)域在I矩陣中左上角元素坐標(biāo)；

T(x’,y’)為T矩陣中對(duì)應(yīng)坐標(biāo)的元素值；

I(x’,y’)為I矩陣中對(duì)應(yīng)坐標(biāo)的元素值；

w與h分別為模板圖像的寬與高。

對(duì)于T覆蓋在I上的每個(gè)位置，將產(chǎn)生一個(gè)匹配度R(x,y)，并保存在結(jié)果矩陣R中。當(dāng)I被T遍歷完畢時(shí)，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(yīng)用模板匹配算法實(shí)現(xiàn)信號(hào)機(jī)名稱識(shí)別示例，如圖7 所示。

圖7 信號(hào)機(jī)名稱模板匹配示例

4 自動(dòng)提取站場(chǎng)數(shù)據(jù)

4.1 流程設(shè)計(jì)

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

圖8 信號(hào)設(shè)備識(shí)別與數(shù)據(jù)提取流程

其中，不同的信號(hào)設(shè)備，識(shí)別算法的應(yīng)用也有所不同。

（1）信號(hào)機(jī)（包含基座、燈柱、燈位）整體而言對(duì)顏色敏感度不高，且由于燈位之間的間隙問題，在對(duì)其進(jìn)行識(shí)別時(shí)：①需要應(yīng)用形態(tài)學(xué)處理實(shí)現(xiàn)連通化，隨后對(duì)連通區(qū)域進(jìn)行輪廓檢測(cè)與面積計(jì)算，篩選出符合條件的連通域，此時(shí)由于列車信號(hào)機(jī)與調(diào)車信號(hào)機(jī)面積的差異性可確定出信號(hào)機(jī)類型屬性SigType；②由于信號(hào)機(jī)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(biāo)，并對(duì)二者加以判斷可確定出信號(hào)機(jī)朝向SigDirection 與坐標(biāo)屬性SigPosition，再通過輪廓檢測(cè)計(jì)算連通域長(zhǎng)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(hào)機(jī)名稱屬性SigName。

（2）道岔在界面中的顏色特征明顯，對(duì)其進(jìn)行識(shí)別時(shí)：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(yùn)用形態(tài)學(xué)處理實(shí)現(xiàn)道岔線段的修復(fù)，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(biāo)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(yùn)用形態(tài)學(xué)處理將斷連直線段合并為長(zhǎng)軌條，并將絕緣節(jié)重繪至長(zhǎng)軌條實(shí)現(xiàn)軌道區(qū)段的正確劃分；②設(shè)計(jì)處理邏輯實(shí)現(xiàn)軌道區(qū)段類型SecType 與坐標(biāo)屬性SecPosition 的提??；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(shí)現(xiàn)結(jié)果與分析

根據(jù)上述站場(chǎng)數(shù)據(jù)自動(dòng)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(chǎng)數(shù)據(jù)自動(dòng)提取軟件。軟件輸入原圖像，如圖9 所示。信號(hào)設(shè)備識(shí)別與站場(chǎng)數(shù)據(jù)提取結(jié)果，如圖10、圖11所示。通過識(shí)別測(cè)試，獲得軟件識(shí)別率，如表2 所示。從識(shí)別效果來看，當(dāng)設(shè)備名稱與設(shè)備本體相連時(shí)，由于粘連問題，識(shí)別結(jié)果會(huì)產(chǎn)生較大誤差。此時(shí)可考慮進(jìn)一步分割圖像，增加識(shí)別準(zhǔn)確性。

表2 信號(hào)設(shè)備識(shí)別率

圖9 上位機(jī)界面原圖

圖10 信號(hào)設(shè)備識(shí)別結(jié)果

圖11 站場(chǎng)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(chǎng)數(shù)據(jù)自動(dòng)提取方法，基于圖像識(shí)別技術(shù)，實(shí)現(xiàn)了聯(lián)鎖上位機(jī)界面中信號(hào)機(jī)、道岔以及軌道區(qū)段的識(shí)別與屬性數(shù)據(jù)提取。經(jīng)實(shí)驗(yàn)驗(yàn)證，該方法可解決計(jì)算機(jī)聯(lián)鎖自動(dòng)測(cè)試軟件所需的站場(chǎng)數(shù)據(jù)依賴人工手動(dòng)輸入的問題，但當(dāng)設(shè)備名稱與設(shè)備本體相粘連時(shí)，軟件識(shí)別結(jié)果會(huì)產(chǎn)生較大誤差，此時(shí)還應(yīng)根據(jù)實(shí)際情況做進(jìn)一步調(diào)整。