随着当前城市快速高效的发展,高速、安全的轨道环境对人员及货物运输越来越重要,相应的对轨道各方面检测的要求越来越高。实时、准确的定位是轨道检测一项基本条件,同时也是准确检测轨道基础设备的前提。目前,轨道定位技术有很多种,但或多或少都存在一些问题,比如,城市轨道线路中轨旁应答器的铺设以及后期维修需要大量的人力物力;GPS全球定位系统在进入隧道的时可能存在信号丢失的情况;GYK(轨道车运行控制设备)存在里程积累的误差问题,误差范围几十米到几百米不等。研究一种新型的轨道定位方式具有重要意义。本文考虑到现有的地铁轨道环境,以上海地铁九号线的某段区间的视频信息为研究对象,在分析数字图像处理的优点后,提出基于视觉显著性检测的接触网立柱定位办法,解决接触网支柱定位检测;在搭建神经网络分类器的情况下完成标识牌数字识别的问题,并通过实验验证方法的可行性与准确性。本文主要研究内容:(1)针对视频采集格式下的轨道沿路的接触网立柱图像存在数据冗余,背景复杂的问题,对接触网立柱视频进行预处理方法研究。首先,对连续的接触网立柱视频图像进行帧分离,由于接触网立柱图像序列间存在大量的无用的背景图像,本文算法计算和统计图像的方向梯度直方图(Histogram of Oriented Gradient,HOG)特征,得到正样本和负样本的特征信息,然后利用支持向量机(Support vector Machine,SVM)分类器获取含有立柱的图像关键帧,达到快速图像分类的目的。(2)为了提高接触网立柱定位检测效率及准确性,利用简单线性迭代聚类(simple linear iterative clustering,SLIC)超像素分割和马尔可夫链的显著性检测的算法对接触网立柱前景进行分割。超像素算法对接触网立柱图像分割,该算法将图像分成若干超像素,去除相邻像素相似颜色和纹理的冗余性,超像素块取代像素作为最基本的图像处理单元,极大的降低了后序操作时间,提高处理效率。利用基于背景先验与吸收马尔可夫链的显著性检测来提取接触网立柱区域,首先在超像素分割之后的图上建立图模型,利用强健的背景先验获取吸收马尔科夫链的吸收节点,以吸收马尔可夫链模型计算各超像素节点到吸收节点的期望时间作为显著值,最终得到显著性图,提高了接触网立柱区域检测的准确率与吸收效率。(3)最后,搭建MLP神经网络分类器并设置相应的参数,输入大量的训练样本后,经过多次迭代收敛精度达到要求,最终得到分类器模型。采用随机抽样的方式进行对测试集识别测试,输入标识牌区域即可识别相应的标识牌数字信息;最后,根据实际检测的需要,在本文研究内容的基础上开发了Windows系统下的接触网立柱定位及标识牌识别系统软件,用于实际线路检测,最终完成基于标识牌的轨道定位。