[发明专利]一种基于热成像的道路路面积水结冰的检测方法及系统

说明书

本发明涉及到一种基于热成像的道路路面积水结冰的检测方法，该方法包括有：第一步，同位热红外与可见光图像采集；第二步，热红外与可见光图像预处理与图像融合；第三步，对融合图像特征进行数据标注；第四步，训练积水结冰自动识别模型；第五步，对后续巡检采集的视频数据进行自动识别，第六步，积水结冰病害的宽度和面积；本发明还涉及到一种基于热成像和深度学习的道路路面积水及结冰的检测系统。本发明的检测方法及检测系统能够克服单一采用视频巡检的不足，能够实现全天候巡检，检测准确率高，计算及判断准确可靠。

技术领域

本发明深度学习技术领域，尤其涉及一种基于热成像技术的市政道路路面积水结冰检测方法及系统。

背景技术

目前在市政道路病害检测技术中多数为利用常规摄影辅助以深度学习技术，可达到对道路裂缝、坑槽等明显道路病害的较高精度识别，然而对于积水、结冰、积雪等与周边环境较为相似的道路病害时，由于受到光线、摄像机像素、病害颜色等诸多因素的影响，普通摄像机识别时误差会大大提高。

针对市政道路及其他道路中存在的这种情况，现有技术利用多光谱测量技术，利用红外光的发射与反射，结合路面水与冰的特定波长，探测到水、冰、雪；但此传感器由于需要接收反射光，其位置需要一直固定，只能探测一小部分范围的路面，如需对道路全段进行探测，其成本会大大增加。同时，红外测量要求测量距离保持不变进行图像分析，移动测量难以满足。现阶段由于既有探测技术缺乏，道路积水结冰等病害多有人工巡检发现，发现病害后进行上报。然而，采用人工巡检的方法存在工作量较大、工作效率较低的问题，且出于个人主观随意性和认识模糊性，造成病害巡检存在一定漏检可能。

中国发明专利201910209584提到了基于视频处理的道路结冰检测系统及方法，该方法采用视频图像分析来进行道路结冰检测，往往对积水及结冰存在误判，准确率往往不高。现阶段基于红外热成像图片的智能识别技术研究较少，有通过AI的深度学习技术在热成像图片中识别人脸或动物行为的相关研究，但在道路路面病害识别方面由于对象间温差较小，且各类病害特征不明，应用较少。而热成像技术可全天候工作，不受强光和低照的影响，也不受雨雪雾霾等环境影响，穿透能力强，同时也不受测量距离的限制，对市政巡检的适应力很强。

发明内容

本发明的目的在于克服上述现有设计存在的不足，提供一种基于热成像技术和深度学习的市政道路路面积水结冰检测方法及系统。本发明专利的方法及系统要能够克服现有技术中单一采用视频巡检的不足，提供一种能够全天候实现巡检，检测准确率高，计算及判断都要准确可靠。

为了达到上述发明目的，本发明专利提供的技术方案如下：

本发明首先提供了一种基于热成像的道路路面积水结冰的检测方法，该方法用于市政路面的积水及结冰的病害检测，该检测方法包括如下步骤：

第一步，同位热红外与可见光图像采集，利用车载双光红外热像仪对市政路面进行视频拍摄，获取同一条道路的可见光视频与热红外视频；

第二步，热红外与可见光图像预处理与图像融合，在拍摄的视频数据中提取出重叠度为e的热红外图像和可见光图像，将热红外图像与可见光图像转化成灰度图，提取图中位置、尺度和方向的关键点作为特征点，为特征点计算建立描述子向量，计算特征描述子并对特征点进行匹配，在同一平面中根据热红外图像与可见光图像中多对匹配点计算单应矩阵，对选取的热红外图像和可见光图像中所有点进行匹配，进行图像视角转换，实现每对可见光图像与对的热红外图像的配准；

第三步，对融合图像特征进行数据标注，根据各自特征获得可见光图像与热红外图像的积水结冰区域的矩形框，对矩形框位置进行并集运算，人工复核删减非积水结冰区域，得到积水结冰区域的实际最小包围矩形与标注数据，分别处理可见光图像与热红外图像，综合提取两种图像的特征权重，并按照权重进行融合，使得标注数据与融合图像一一对应；

第四步，训练积水结冰自动识别模型，得到不同训练次数下的模型权重文件；