[发明专利]基于视频信号的深基坑裂缝检测方法

权利要求书

1.基于视频信号的深基坑裂缝检测方法，其特征在于，该方法包括以下步骤：

1)使用摄像机采集包含深基坑裂缝信息的图像样本；

2)对图像样本进行处理获取训练集和验证集，进行Faster R-CNN区域卷积神经网络训练，包括以下步骤：

2.1将样本大小调整至统一尺寸并对样本中的裂缝信息进行标注，即裂缝的(x、y、w、h)坐标信息以及类别信息，样本集中80％用作训练集，20％用作验证集；

2.2将训练集输入Faster R-CNN区域卷积神经网络，通过网络中共享卷积层和特有卷积层处理得到样本特征值数据，通过RPN网络中的卷积层获取区域建议和区域得分，将区域建议和特征值信息输入网络中的ROL池化层获取区域建议的特征，最终经由全连接层处理获取图像中裂缝的坐标和类别；

3)使用验证集对模型进行验证，优化网络；

实时采集深基坑待检测图像，输入至深基坑裂缝检测模型检测裂缝信息。

2.根据权利要求1所述的基于视频信号的深基坑裂缝检测方法，其特征在于，所述步骤1中，深基坑裂缝样本图像指在深基坑环境中所采集包含有深基坑裂缝的图像；在这些图像中随机挑选具有在不同位置、具有不同样式和光照条件下的裂缝图像，并将其划分为训练集和验证集，训练样本集用于训练深基坑裂缝检测模型，验证样本集用于优化模型的参数。

3.根据权利要求1所述的基于视频信号的深基坑裂缝检测方法，其特征在于，所述步骤2.1中，将采用的图像大小调整为640*480，并对图像中的裂缝进行标注，给出裂缝的边界坐标。

4.根据权利要求1所示的基于视频信号的深基坑裂缝检测方法，其特征在于，所述步骤2.2中区域得分采用非极大值抑制，阈值为0.75。

5.根据权利要求1所述的基于视频信号的深基坑裂缝检测方法，其特征在于，所述步骤2.2中，其特征模型损失函数如下：

其中，p_i为当前区域被预测为裂缝的概率；p_i^*在正样本标签时为1，负样本标签时为0；

t_i＝{t_x，t_y，t_w，t_h}；N_cls＝128；L_cls(p_i，p_i^*)＝-log[p_i^*p_i+(1-p_i^*)(1-p_i)]；N_reg＝2400；L_reg(t_i，t_i^*)＝R(t_i-t_i^*)。

6.根据权利要求1所述的基于视频信号的深基坑裂缝检测方法，其特征在于，所述步骤3中，使用样本验证集，按步骤2中方法不断迭代训练优化模型相关参数，直至模型训练误差趋于稳定，最终获得深基坑裂缝检测模型。

7.根据权利要求1所述的基于视频信号的深基坑裂缝检测方法，其特征在于，所述步骤4中，实时采集的深基坑现场图像，并按步骤2中方法将待检测图像深基坑裂缝检测模型的输入，检测后输出裂缝边框坐标和类别。