[發明專利]路面修補信息檢測方法、裝置、設備及存儲介質

在審

• 申請號: 201910202379.7
• 申請日: 2019-03-18
• 公開（公告）號: CN109961030A
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 徐國勝;徐國愛;白勝
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

本申請實施例提供一種路面修補信息檢測方法、裝置、設備及存儲介質，該方法包括：獲取多幀路面樣本圖像；根據所述多幀路面樣本圖像，對多個卷積神經網絡模型進行訓練，得到多個訓練后的卷積神經網絡模型；確定所述多個訓練后的卷積神經網絡模型中的目標卷積神經網絡模型；將待檢測路面圖像輸入到所述目標卷積神經網絡模型中，得到所述待檢測路面圖像中的路面修補信息。本申請實施例提供的方法能夠解決現有技術中無法保證修補信息的識別率，同時浪費時間和資源的問題。

技術領域

本申請實施例涉圖像識別技術領域，尤其涉及一種路面修補信息檢測方法、裝置、設備及存儲介質。

背景技術

路面修補是路面病害(路面病害包括裂縫、坑槽、修補等)之一，是日常道路維護需要重點關注的一類病害，養護部門需要對修補進行及時的檢測與統計。

在現有的維護過程中，對路面修補信息的檢測及統計通常是以人工方式進行的。路面圖像通過圖像采集車采集，然后將這些圖像集中交給相關的標記人員，標記人員在標注軟件的輔助下，在圖中標記出修補出現的位置，然后統計相關的信息。

由于目前路面修補信息檢測方法主要是通過傳統圖像識別手段，而傳統圖像識別手段用于實際路面采集圖像中識別成本高、效率低，無法滿足實際工程的性能需求。因此，現有的路面修補信息檢測方法無法保證修補信息的識別率，同時浪費時間和資源。

發明內容

本申請實施例提供一種路面修補信息檢測方法、裝置、設備及存儲介質，以克服現有的路面修補信息檢測方法無法保證修補信息的識別率，同時浪費時間和資源的問題。

第一方面，本申請實施例提供一種路面修補信息檢測方法，包括：

獲取多幀路面樣本圖像；

根據所述多幀路面樣本圖像，對多個卷積神經網絡模型進行訓練，得到多個訓練后的卷積神經網絡模型；

確定所述多個訓練后的卷積神經網絡模型中的目標卷積神經網絡模型，所述目標卷積神經網絡模型包括：多個第一組合層、多個第二組合層和第一卷積層，所述多個第一組合層依次連接，所述多個第二組合層依次連接，所述多個第一組合層、所述多個第二組合層和第一卷積層依次連接，所述多個第一組合層中的每個第一組合層包括第二卷積層、第一池化層和第一批量歸一化層，每個所述第一組合層中的所述第二卷積層、所述第一池化層和所述第一批量歸一化層依次連接，所述多個第二組合層中的每個第二組合層包括多個第三卷積層、第二池化層和第二批量歸一化層，所述多個第三卷積層依次連接，每個所述第二組合層中的所述多個第三卷積層、所述第二池化層和所述第二批量歸一化層依次連接；

將待檢測路面圖像輸入到所述目標卷積神經網絡模型中，得到所述待檢測路面圖像中的路面修補信息。

在一種可能的設計中，在所述對多個卷積神經網絡模型進行訓練之前，所述方法還包括：

根據所述多幀路面樣本圖像，確定訓練集，所述訓練集包括至少兩幀路面樣本圖像，所述訓練集中的路面樣本圖像均含有路面修補區域；

所述對所述多個卷積神經網絡模型進行訓練，包括：

分別配置所述多個卷積神經網絡模型中每個卷積神經網絡模型的參數，每個所述卷積神經網絡模型的參數包括學習率和訓練樣本的數量，所述訓練樣本為所述訓練集中的每幀路面樣本圖像；

根據每個所述卷積神經網絡模型對應的所述訓練樣本的數量，將所述訓練集劃分為多個訓練樣本集，所述多個訓練樣本集中每個訓練樣本集包括的路面樣本圖像的數量小于或等于所述訓練樣本的數量；

遍歷所述多個卷積神經網絡模型中的每個所述卷積神經網絡模型，將所述多個訓練樣本集中每個訓練樣本集輸入到所述卷積神經網絡模型中，得到每個所述卷積神經網絡模型分別對應的第一預測結果，所述第一預測結果表示每個訓練樣本集中每幀路面樣本圖像含有路面修補區域的概率矩陣；