[实用新型]基于行车记录仪的公路路面状态检测系统

说明书

本实用新型公开了基于行车记录仪的公路路面状态检测系统，包括系统主体和若干巡检车；系统主体包括平台服务器和监控中心管理平台；每一巡检车均设有巡检车行车记录仪；每一巡检车行车记录仪均包括主控制单元、摄像头和触摸屏显示器；主控制单元分别连接摄像头和触摸屏显示器，籍由摄像头采集公路路面的图像；监控中心管理平台利用若干图片，基于卷积神经网络的深度学习算法，对公路路面的破损状态自动识别，同时利用每一巡检车行车记录仪的定位数据和GIS地图，并分析展示。本实用新型基于卷积神经网络的深度学习算法能够充分利用行车记录仪采集的图片，实现路面的破损状况自动识别。

技术领域

本实用新型涉及道路检测技术领域，特别涉及基于行车记录仪的公路路面状态检测系统。

背景技术

随着我国公路里程迅速增加，公路巡查等养护管理的工作量不断增加，对公路检测的需求越来越大。公路路面检测可以获取路面路况信息，通过路况信息可判断路面损坏程度，为公路的养护和改建提供重要依据。路面破损巡查检测及预警主要是通过拍照及录像技术对路面病害的类型及损坏程度进行采集，而后通过图片识别技术对路面的破损状况进行识别和解读，以此完成对路面破损状况的快速定量分析。

法国研制开发了路面摄影车(GERPHO)，首次将其用于对路面病害的识别。随后，其他国家基于本国路面破损检测的需要，相继研究了路面病害的自动识别技术，并研发了很多路面破损自动检测识别仪器。然而，路面摄影检测车费用高，一般只能采集完后利用专用软件进行事后分析，因此，现在路面破损巡查检测大都采用人工/半人工巡检的方式进行。近年来卷积神经网络在计算机视觉领域取得了显著成效，在2012年，Alex Krizhevsky团队凭借卷积神经网络在ImageNet挑战赛中，把图片识别分类误差记录从26％降到了15％，大大提高了图片的分类水平。不少研究者将深度学习应用于路面破损检测中，取得了较好的检测效果。

为保障行车安全，越来越多的司机在挡风玻璃上安装行车记录仪，据统计，近几年行车记录仪销量每年突破千万台，记录道路交通以及行车状况。然而，绝大多数记录下的画面“沉睡”在卡片里，只有发生意外时才会被取出。

在现有技术中，部分已公开专利也将行车记录仪用于道路交通管理，但尚未发现将行车记录仪图片数据用于路面破损检测。如：公开号为CN 105046951 A的实用新型专利《基于行车记录仪的车辆监测方法及监测模块》，实现了异常时间段内的行车录像保存，可为后续的交通事故处理提供可靠依据。

又如：公开号为CN 207008863 U的实用新型专利《一种基于行车记录仪的路面交通监控系统》，将每一台装有行车记录仪的车辆作为“交警巡逻车”，降低交通事故发生概率，节省大量人力物力，提高紧急事件处置率。

因此，为充分利用行车记录仪的图片、GPS数据，需要开发一款基于图像识别技术，充分利用行车记录仪采集的图片的公路路面状态检测系统。

实用新型内容

有鉴于现有技术的上述缺陷，本实用新型提供基于行车记录仪的公路路面状态检测系统，实现的目的之一是基于卷积神经网络的深度学习算法能够充分利用行车记录仪采集的图片，实现路面的破损状况自动识别；充分利用行车记录仪卫星定位数据以及GIS地图，实现行车记录仪图片的GIS地图实时显示及报警。

为实现上述目的，本实用新型公开了基于行车记录仪的公路路面状态检测系统，包括系统主体和若干巡检车。

其中，所述系统主体包括平台服务器和监控中心管理平台；

每一所述巡检车均设有巡检车行车记录仪；

每一所述巡检车行车记录仪均包括主控制单元、摄像头和触摸屏显示器；

所述主控制单元分别连接所述摄像头和所述触摸屏显示器，籍由所述摄像头采集所述公路路面的图像，籍由所述触摸屏显示器显示运行状态、接收控制指令；