[发明专利]基于视频信号的深基坑裂缝检测方法在审
| 申请号: | 201910483858.0 | 申请日: | 2019-05-31 |
| 公开(公告)号: | CN110197483A | 公开(公告)日: | 2019-09-03 |
| 发明(设计)人: | 黄永明;章国宝;李仁民;臧坤 | 申请(专利权)人: | 南京深地智能建造技术研究院有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 210000 江苏省南*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 本发明涉及视频监控领域,公开了一种基于视频信号的深基坑裂缝检测方法,包括获取深基坑裂缝样本图像,处理样本并获取裂缝训练集和验证集,基于训练集训练深基坑裂缝检测模型,并使用裂缝验证集优化模型参数,基于深基坑裂缝检测模型对采集的图像进行自动化检测等步骤。本发明能够对视频信号中深基坑的裂缝进行自动化检测,具有良好的实时性和较高的准确度,可以有效的对深基坑中的裂缝进行检测,且具有较高的鲁棒性,能够适应深基坑背景和环境的变化。 | ||
| 搜索关键词: | 深基坑 裂缝检测 裂缝 视频信号 训练集 验证集 检测 自动化 对视频信号 准确度 视频监控 样本图像 优化模型 鲁棒性 实时性 样本 采集 图像 | ||
【主权项】:
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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京深地智能建造技术研究院有限公司,未经南京深地智能建造技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910483858.0/,转载请声明来源钻瓜专利网。





