１最值集统计
最值集统计是指对积分图曲线一些最低和最高的像素分别计算位置期望值，文中使用最值集统计法分割车厢和计算车厢上边界线。设图像左上角为原点，原点正右方向为正向横坐标，原点正下方向为正向纵坐标。Ｓｖ（ｘ）每列最高位置的像素顶点依次连接形成一条曲线，设这条曲线为Ｐ，共有Ｎ＝ｘ２－ｘ１＋１个顶点，曲线上的的顶点坐标为Ｐ（ｘ，ｙ）。从曲线Ｐ中取ｎ１＝［０．２＊Ｎ］个顶点，这些顶点的ｙ值为较小值，ｙ从最小值开始迭代依次取次小值，这些顶点用集合ＰＳｔｏｐ表示。从曲线Ｐ中取ｎ２＝［０．０５＊Ｎ］个顶点，这些顶点的ｙ值为较大值，ｙ从最大值开始迭代依次取次大值，这些顶点用集合ＰＳｂｏｔｔｏｍ表示。
２车号自动定位
工作原理：先对灰度图片进行垂直积分投影得到具有较明显图像特征的积分投影图；再利用最值集统计法对垂直积分投影图计算出车厢分界线和车厢上边界线，从而分割出印有车号的车厢；再然后，对印有车号的车厢再次使用统计法计算出车厢的上边界，该边界线即为车号的上边界线；最后使用滑动窗口等方法搜索车厢的左边界线，根据先验知识确定车号右边界线和下边界线，这四条边所构成的区域即为车号区域。
２．１积分投影应用
为了便于视频监控和图像识别，需要对图像做约束。图像的宽度为半节车厢的长度，图像中要么显示一节车厢的部分，要么显示相连两节车厢的各自部分；图像的高度为最高车厢的高度，图像底部是车轨，由于车厢高度并不统一，因此图像的上部显示的或者是背景或者是车厢顶部；现场采集的图像是分辨率为１６００＊１２００的真彩图。为了减少计算量和保持较可靠的信息量，需要对图像进行几何计算和灰度计算，使图像转换成分辨率为８００＊６００的灰度图像。使用垂直积分投影法对图像进行计算并绘出垂直积分投影图，如图１～图３所示，其中，图１是原始图像，图２是垂直积分投影图，图３是垂直积分投影图的顶点组成的曲线。
２．２分割车厢
从图２中可看到，一节车厢的垂直积分投影图曲线和相连两节车厢的垂直积分投影图曲线有明显的区别：前者没有明显的谷底，后者有明显的谷底。通过式（２）～（８）可判断车厢节数和计算出谷底位置（Ｘｐｓｂｏｔｔｏｍ，Ｙｐｓｂｏｔｔｏｍ），过谷底位置画垂线ｘ＝Ｘｐｓｂｏｔｔｏｍ作为车厢间的分界线。由于车号被印刷在一节车厢的左边界，如果分界线在图片中偏左位置，则右车厢在分界线的右边，如果分界线太偏右，则车号可能未完全被拍摄到，可认为是无效图片而无需处理。图４是车厢分割效果，图４（ａ）是原始图像，图４（ｂ）展示的是车厢分界线，中间的垂线是车厢分界线。
２．３车号定位
在分割出印刷有车号的车厢后，还需要准确定位到车号在车厢的区域位置。对分割出的车厢区域通过式（３）计算出车厢上边界线，此边界线为车号的上边界，通过式（９）和式（１０）确定车厢左边界线ｙ＝Ｙｐｓｔｏｐ，此边界线为车号左边界，由于车号长度为７且字体大小相对固定，根据前验知识确定车号右边界和下边界，右边界距离左边界３５０个点距离，下边界距离上边界２００个点距离。图５是车号定位效果图，图５（ｂ）中的左边垂线为两节车厢的分界线，右边垂线为车号右边界线，中间垂线为车号左边界线，最上边的水平线为车号上边界线，最下边的水平线为车号下边界线。
３结果和比较分析
文中方法使用Ｃ＃开发语言和ＶＳ２００５开发平台设计和开发软件，以及经过４０张图像进行实验通过，实验表明，该方法具有定位准确、鲁棒性好和性能高等优点。在双核２．０ＧＨｚＣＰＵ和２Ｇ内存的开发环境中测试，系统最长处理时间９５８ｍｓ，最短处理时间８８１ｍｓ，平均处理时间９２７ｍｓ。在昏暗光线下，背景和车厢灰度接近，文中方法计算出的车厢上边界线和车顶一致，在较亮光线下，文中方法计算出的车厢上边界线位于车顶下方，其定位精确更高；和采用极小值法搜索车厢间分界线相比较，文中的最值集法不仅能有效计算出车厢间分界线和车厢上边界线，而且具有计算量小和简单等优点；滑动窗口尺寸太小容易受噪音影响搜索到伪边界，如果窗口尺寸太大，那么车厢起主导作用，导致还未收敛到车厢边界就停止搜索；文中对像素点集合进行统计能较好地减少噪声的干扰。图６是两组展示了不同光线下车号定位的效果图，图６（ａ）的光线偏暗，车号上边界线基本停靠在车厢顶部，离车号偏远，图６（ｂ）的光线偏亮，车号上边界偏离车厢顶部，更接近车号。
４结语
文中提出使用积分投影法获取图像特征值，再利用最值集统计和滑动窗口分割车厢和定位车号，方法能适用于车号印刷在边界的列车进出车站慢行情景的实时车号定位。对于印刷在车厢中间位置的车号和夜间情景，本文医学论文代理方法尚存在精确问题，今后的工作是改进方法使其能自动适用此类情景。
作者:邢益良 马亮 韩宝如 符石 单位：海南软件职业技术学院软件工程系