[發明專利]一種多標線的路面裂縫識別方法、裝置、設備及存儲介質

在審

• 申請號: 202010027072.0
• 申請日: 2020-01-10
• 公開（公告）號: CN111242017A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 徐國勝;徐國愛;陳仁義
• 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: 北京風雅頌專利代理有限公司 11403
• 代理人: 王剛

1.一種多標線的路面裂縫識別方法，其特征在于，包括：

獲取實際路面圖像；

獲取標線模型和裂縫模型；其中，所述標線模型基于第一訓練路面圖像集訓練得到，所述第一訓練路面圖像集關聯有表示標線的第一標簽；所述裂縫模型基于第二訓練路面圖像集訓練得到，所述第二訓練路面圖像集關聯有表示裂縫的第二標簽；

將所述實際路面圖像輸入所述標線模型，得到標線識別結果；

將所述實際路面圖像輸入所述裂縫模型，得到裂縫識別結果；

所述裂縫識別結果減去所述標線識別結果，得到實際路面裂縫最終識別結果。

2.根據權利要求1所述的方法，其特征在于，還包括：對所述實際路面圖像進行預處理操作；

所述預處理操作，包括：對所述實際路面圖像進行圖像填充和圖像調整操作。

3.根據權利要求1所述的方法，其特征在于，所述標線模型基于第一訓練路面圖像集訓練得到，所述第一訓練路面圖像集關聯有表示標線的第一標簽；所述裂縫模型基于第二訓練路面圖像集訓練得到，所述第二訓練路面圖像集關聯有表示裂縫的第二標簽，所述訓練進行若干輪，每一輪所述訓練包括：

設置網絡參數，將所述第一訓練路面圖像集正向輸入所述標線模型，將所述第二訓練路面圖像集正向輸入所述裂縫模型；

所述標線模型對所述第一訓練路面圖像集進行特征提取，得到標線預測結果，所述裂縫模型對所述第二訓練路面圖像集進行所述特征提取，得到裂縫預測結果；

利用損失函數計算所述標線預測結果與真實值之間的標線誤差，以及所述裂縫預測結果與所述真實值之間的裂縫誤差；

結合所述標線誤差、裂縫誤差、網絡參數的梯度和優化方法對所述網絡參數進行調整，將調整后的所述網絡參數作為下一輪所述訓練的所述網絡參數。

4.根據權利要求3所述的方法，其特征在于，所述特征提取，包括：

通過2×2最大池化對所述第一訓練路面圖像集和第二訓練路面圖像集進行下采樣處理；

利用5×5卷積核和3×3卷積核，以及ReLU函數和sigmoid函數作為激活函數，對所述第一訓練路面圖像集和第二訓練路面圖像集進行所述特征提取。

5.根據權利要求3所述的方法，其特征在于，所述損失函數的定義式為

其中，dice表示樣本相似度，X表示由所述實際路面圖像經過網絡前饋形成的概率矩陣，Y表示由所述第一訓練路面圖像集或第二訓練路面圖像集形成的標記矩陣，‖X‖₁表示所述概率矩陣X的L₁范數，‖Y‖₁表示所述標記矩陣Y的L₁范數，X*Y表示所述概率矩陣X和標記矩陣Y的哈達馬積，∈為第一平滑因子。

6.根據權利要求3所述的方法，其特征在于，所述優化方法的定義式為

m_t＝β₁·m_t-1+(1-β₁)·g_t

v_t＝β₂·v_t-1+(1-β₂)·g_t²

其中，L為所述損失函數，g_t為所述損失函數L關于參數θ在第t輪的梯度，θ_t為參數θ在第t輪的取值，m_t用于記錄一階矩，v_t用于記錄二階矩，為m_t的估計值，為v_t的估計值，β₁為第一超參數β₂為第二超參數，lr為學習率，∈₀為第二平滑因子。