[发明专利]一种基于视频分析的车行道破损检测方法

权利要求书

1.一种基于视频分析的车行道破损检测方法，其特征在于，首先获取用于形成样本图片集的样本图片，且每张样本图片中至少有一个破损路段，同时对获取的样本图片破损路段区域进行分类标记，而后对分类标记完毕的样本图片进行模型训练以建立样本图片Faster R-CNN模型；采集待测车行道实时视频流数据集后输入生成的样本图片Faster R-CNN模型中，通过样本图片Faster R-CNN模型判断目标特征区域与训练样本的相似度后确定该待测车行道是否存在破损区域。

2.根据权利要求1所述的一种基于视频分析的车行道破损检测方法，其特征在于，所述样本图片Faster R-CNN模型中设置有样本训练模块、实时视频模块、目标提取模块，并在样本图片Faster R-CNN模型中用于判定提取视频流数据集中是否存在破损区域的判定阈值。

3.根据权利要求1～2任一项所述的一种基于视频分析的车行道破损检测方法，其特征在于，具体步骤如下：

1）获取用于形成样本图片集的样本图片，并对样本图片的破损区域进行分类标记，同时标记各个样本图片中对应的样本破损区域和破损类型；

2）对步骤1）中获取的不同破损区域和破损类型的样本图片通过样本训练模块进行模型训练，以建立样本图片Faster R-CNN模型；

3）采集待测车行道实时视频流，并将视频流转换为视频流数据集，且视频流数据集保存在指定位置；

4）通过实时视频模块将步骤3）存入在指定位置的视频流数据集输入生成的样本图片Faster R-CNN模型中；

5）样本图片Faster R-CNN模型中的目标提取模块提取视频流数据集中的至少一个目标特征区域，而后计算目标特征区域与训练样本之间的特征相似度，并根据提取的目标特征区域确定该待测车行道路面是否存在破损区域；

6）当存在至少一个目标特征区域相似度大于设定判定阈值时，则判定该待检测车行道路面存在破损区域。

4.根据权利要求3所述的一种基于视频分析的车行道破损检测方法，其特征在于，步骤1）中，通过搜集公开的车行道破损图片或采集实际车行道至少有一个破损路段的图片，形成样本图片集。

5.根据权利要求3所述的一种基于视频分析的车行道破损检测方法，其特征在于，步骤2）中，采用优化后的Faster R-CNN方法训练模型对步骤1）中获取的不同破损区域和破损类型的样本图片进行模型训练。

6.根据权利要求5所述的一种基于视频分析的车行道破损检测方法，其特征在于，优化后Faster R-CNN模型的特征网络采用经过压缩算法处理的VGG-16网络结构。

7.根据权利要求3所述的一种基于视频分析的车行道破损检测方法，其特征在于，步骤3）中，由摄像机采集待测车行道实时视频流后，通过交换机传输至服务器进行视频解码，以将视频流转换为视频流数据集，最后将视频流数据集保存在指定位置。

8. 根据权利要求2所述的一种基于视频分析的车行道破损检测方法，其特征在于，所述样本图片Faster R-CNN模型中还设置有报警模块。