近十几年来我国高速铁路从无到有,引进、消化、吸收、再创新,直到今天高铁已成为中国制造的一张亮丽名片。高速铁路给我们带来方便、快捷、舒适的同时,还有一群人默默的守护着他们的安全。动车组动态运行故障图像检测系统(TEDS,Trouble of moving EMU Detection System)作为一项实时监测高速列车健康状态的技术,通过识别车号来定位出哪列车的哪一辆出现故障,从而建立了列车车号与故障部位一一对应的关系。现有的TEDS系统依赖喷涂在列车两侧的车号来识别车辆,从而通过自动化的图像比对实现动车组故障判断。车号作为列车身份的唯一象征,准确的车号识别是TEDS系统能够正常工作的前提,说明车号识别在TEDS系统的重要性。本文利用计算机视觉技术库(OpenCV)的优良特性,对获取的高速列车车号数据先进行图像预处理,再进行车号定位,车号字符分割后,最终实现对车号的自动识别。本文的内容如下:(1)车号图像预处理操作,由于获取的车号图像存在噪声和干扰,通过图像灰度化、图像增强、图像去噪等一系列算法提高车号图像的质量。(2)利用数学形态学与投影法相结合对高速列车车号进行精确定位,整个定位过程分两步进行,首先采用数学形态学技术找出车号候选区域,也就是高速列车车号粗定位;再采用投影法对车号精确定位,去除干扰的非车号字符,最终得到精确车号图像。(3)投影法对车号字符进行分割,获得六个单独的车号字符图像。分割得到的车号字符的像素大小不同,需要对分割后的字符进行归一化处理,最终得到相同尺寸大小的车号字符图像。(4)卷积神经网络在图像处理领域中有很好的效果。结合车号字符特征对卷积神经网络的输入层、卷积层、池化层、输出层进行设计,在实验中优化网络结构,最终能够快速、准确的识别出动车组车号。通过最终的测试结果表明,对十个阿拉伯数字车号字符图像的单独识别准确率可以高达到99.8%。