[發(fā)明專利]裂縫檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911401125.4
• 申請(qǐng)日: 2019-12-30
• 公開(kāi)（公告）號(hào): CN111080641A
• 公開(kāi)（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 吳剛;倪楓
• 申請(qǐng)（專利權(quán)）人: 上海商湯智能科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 北京中知法苑知識(shí)產(chǎn)權(quán)代理有限公司 11226
• 代理人: 李明;趙吉陽(yáng)

本公開(kāi)提供了一種裂縫檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，其中，該方法包括：獲取待檢測(cè)圖像；基于預(yù)先訓(xùn)練的空洞卷積神經(jīng)網(wǎng)絡(luò)從待檢測(cè)圖像中提取出第一層級(jí)圖像特征和第二層級(jí)圖像特征；第二層級(jí)圖像特征和第一層級(jí)圖像特征分別由空洞卷積神經(jīng)網(wǎng)絡(luò)所包括的第二卷積層和第一卷積層提取得到，第二卷積層的層級(jí)高于第一卷積層的層級(jí)；基于預(yù)先訓(xùn)練的空間金字塔池化網(wǎng)絡(luò)以及第二層級(jí)圖像特征，確定待檢測(cè)圖像的池化后特征；基于第一層級(jí)圖像特征和池化后特征，確定裂縫檢測(cè)結(jié)果。通過(guò)挖掘更為豐富的圖像特征提升裂縫檢測(cè)的準(zhǔn)確度，且通過(guò)挖掘圖像特征的不同尺度信息提升裂縫檢測(cè)的魯棒性，還避免了人工檢測(cè)存在的耗時(shí)耗力的問(wèn)題，檢測(cè)效率較高。

技術(shù)領(lǐng)域

本公開(kāi)涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體而言，涉及一種裂縫檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

裂縫是反應(yīng)道路、橋梁、房屋等建筑受損情況的重要標(biāo)志，如果處理不當(dāng)將會(huì)影響建筑物的功能，甚至威脅人身安全。為了保持良好的建筑狀況，對(duì)裂縫進(jìn)行及時(shí)的檢測(cè)尤為重要。

相關(guān)裂縫檢測(cè)主要采用人工檢測(cè)的方法，即由專業(yè)技術(shù)人員借助一些簡(jiǎn)單的儀器或者肉眼直接檢測(cè)并記錄。然而，上述人工檢測(cè)裂縫的方法將占用大量的人工成本，檢測(cè)效率和準(zhǔn)確率均較低。

發(fā)明內(nèi)容

本公開(kāi)實(shí)施例至少提供一種裂縫檢測(cè)方案，通過(guò)預(yù)先訓(xùn)練的空洞卷積神經(jīng)網(wǎng)絡(luò)和空間金字塔池化網(wǎng)絡(luò)能夠自動(dòng)對(duì)裂縫進(jìn)行檢測(cè)，檢測(cè)效率和準(zhǔn)確率均較高。

主要包括以下幾個(gè)方面：

第一方面，本公開(kāi)實(shí)施例提供了一種裂縫檢測(cè)方法，所述方法包括：

獲取待檢測(cè)圖像；

基于預(yù)先訓(xùn)練的空洞卷積神經(jīng)網(wǎng)絡(luò)從所述待檢測(cè)圖像中提取出第一層級(jí)圖像特征和第二層級(jí)圖像特征；其中，所述第二層級(jí)圖像特征由所述空洞卷積神經(jīng)網(wǎng)絡(luò)所包括的第二卷積層提取得到，所述第一層級(jí)圖像特征由所述空洞卷積神經(jīng)網(wǎng)絡(luò)所包括的第一卷積層提取得到，所述第二卷積層的層級(jí)高于所述第一卷積層的層級(jí)；

基于預(yù)先訓(xùn)練的空間金字塔池化網(wǎng)絡(luò)以及所述第二層級(jí)圖像特征，確定所述待檢測(cè)圖像的池化后特征；

基于所述第一層級(jí)圖像特征和所述池化后特征，確定裂縫檢測(cè)結(jié)果。

采用上述方案，通過(guò)訓(xùn)練的空洞卷積神經(jīng)網(wǎng)絡(luò)提取了待檢測(cè)圖像的高層次圖像特征(較高層級(jí)的第二卷積層提取的圖像特征)和低層次圖像特征(較低層級(jí)的第一卷積層提取的圖像特征)，低層次圖像特征可以對(duì)應(yīng)待檢測(cè)圖像的輪廓、顏色等基本屬性特征，高層次圖像則可以對(duì)應(yīng)待檢測(cè)圖像的紋理、空間結(jié)構(gòu)等深層次語(yǔ)義特征。另外，上述方案對(duì)于高層次圖像特征還可以基于訓(xùn)練的空間金字塔池化網(wǎng)絡(luò)提取待檢測(cè)圖像的池化后特征，并可以基于所述第一層級(jí)圖像特征和所述池化后特征實(shí)現(xiàn)裂縫檢測(cè)。也即，本公開(kāi)一方面利用空洞卷積神經(jīng)網(wǎng)絡(luò)挖掘出更為豐富的圖像特征，這樣可以提升裂縫檢測(cè)的準(zhǔn)確度，另一方面利用空間金字塔池化網(wǎng)絡(luò)挖掘出圖像特征的不同尺度信息，這樣可以提升裂縫檢測(cè)的魯棒性，且避免了人工檢測(cè)方式所存在的耗時(shí)耗力的問(wèn)題，檢測(cè)效率較高。

在一種可能的實(shí)施方式中，所述空洞卷積神經(jīng)網(wǎng)絡(luò)包括依次連接的多個(gè)卷積層；所述第二卷積層中第一個(gè)卷積層，為與所述第一卷積層中最后一個(gè)卷積層連接的卷積層；所述基于預(yù)先訓(xùn)練的空洞卷積神經(jīng)網(wǎng)絡(luò)從所述待檢測(cè)圖像中提取出第一層級(jí)圖像特征和第二層級(jí)圖像特征，包括：

將所述待檢測(cè)圖像輸入至所述第一卷積層進(jìn)行卷積處理，得到第一層級(jí)圖像特征；

將所述第一層級(jí)圖像特征輸入至所述第二卷積層進(jìn)行卷積處理，得到第二層級(jí)圖像特征。

在一種可能的實(shí)施方式中，所述空間金字塔池化網(wǎng)絡(luò)包括多個(gè)具有不同卷積參數(shù)的卷積層和一個(gè)池化層，所述卷積參數(shù)包括空洞率和卷積核大小；所述基于預(yù)先訓(xùn)練的空間金字塔池化網(wǎng)絡(luò)以及所述第二層級(jí)圖像特征，確定所述待檢測(cè)圖像的池化后特征，包括：