[发明专利]一种基于deepstream的道路裂缝检测方法

说明书

本发明公开了一种基于deepstream的道路裂缝检测方法，属于道路病害检测技术领域，一所述检测方法以车载流媒体相机为输入源，获取道路裂缝的外部图像，视频信号以rtsp流的形式传输，在视频实时传输到微型计算机后，使用基于gstream的deepstream技术对rtsp流进行实时处理，通过建立管道对视频信号完成解析，再通过在管道上建立的插件，完成对道路裂缝的检测。采用本发明方法，使得道路裂缝识别不再受天气等因素影响，算法相对简单能够适应大部分道路检测系统。

技术领域

本发明属于道路病害检测技术领域，具体涉及一种基于deepstream的道路裂缝检测方法。

背景技术

在目前的道路病害检测中，对于道路裂缝的检测普遍做法是使用高速相机采集图片，然后通过图像处理的相关算法进行识别处理。这种方式有如下几种弊端：

1、光线问题，CCD数字相机对光线十分敏感，天气晴朗与天气阴暗的情况下成像效果明显不一样，这对识别结果会有很大的影响。

2、算法适应性问题，在道路浇筑时，使用的材料、工艺不尽相同，造成路面上的情况也不相同，因此，很难用一个统一的算法来识别。

3、算法效率问题，在目前的道路裂缝识别过程中，主要依靠先拍摄后检测的方式，由于需要应对不同的路面情况，因此算法复杂度很高，处理时间也就变长。

4、算法检测结果问题，对于不同路面不同的环境来说，检测的算法复杂度提高，伴随而来的就是检测的结果错误率也提高了。

发明内容

有鉴于此，本发明的目的在于提供一种基于deepstream的道路裂缝检测方法，使得道路裂缝识别不再受天气等因素影响，算法相对简单能够适应大部分道路检测系统。

为达到上述目的，本发明提供如下技术方案：

本发明一种基于deepstream的道路裂缝检测方法，所述检测方法以车载流媒体相机为输入源，获取道路裂缝的外部图像，视频信号以rtsp流的形式传输，在视频实时传输到微型计算机后，使用基于gstream的deepstream技术对rtsp流进行实时处理，通过建立管道对视频信号完成解析，再通过在管道上建立的插件，完成对道路裂缝的检测。

进一步，所述检测方法还包括运用神经网络技术进行图像识别，通过采用SSD网络，所述SSD网络包括以下步骤：

1)VGG16 Base Layer，以VGG16作为基础的特征提取层Base Layer，选取其中的Conv4_3作为第一个特征层用于目标检测；

2)Extra Feature Layer，在VGG16 Base Layer的基础上，额外的添加几个特征层用于目标检测，将VGG16中的FC7改成了卷积层Conv7，同时增加Conv8、Conv9、Conv10、Conv11几个特征层；；

3)Detection Layer，准备好特征金字塔来进行目标检测后，预先设定一些框proir box/default box，以他们为基本，通过位移和长宽比改变慢慢的向真实目标位置靠近；设计了大量的密集的proir box，保证对整幅图像的每个地方都有；对这个proir box中目标的类别进行预测，预测proir box最终演变的框，Detection Layer实现类别预测和框预测；

4)NMS，特征层通过Detection Layer将得到多个proir box的预测结果，对这些预测结果进行筛选。

进一步，所述筛选过程包括：

S1,对于某个类别，将分类预测的置信度阈值的框删除；

S2,将该类别筛选后的框按照置信度降序排序；

S3,对筛选后的框采用NMS；