[发明专利]一种基于机器视觉的复杂背景建筑物裂缝检测方法

权利要求书

1.一种基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，包括以下步骤：

步骤一、通过相机进行图像获取；

步骤二、将resnet101网络作为主干网络，将图像输入到主干网络中进行特征提取，得到图像在缩小8倍下采样的特征图；

步骤三、采用OCR结构对主干网络提取的最深层特征做粗略的语义分割，获得像素的类别概率分布，即软物体区域；

步骤四、将主干网络的中间层特征使用SE注意力机制进行通道增强之后代替主干网络的最深层特征，得到最深层替代特征，结合软物体区域与最深层替代特征计算得到K组向量，即物体区域表示，每一组向量表示一类物体的特征表示，赋予类别标签；

步骤五、结合物体区域表示与最深层替代特征计算得到像素与物体区域表示的关系矩阵，并通过关系矩阵得到每个像素和物体区域表示的值；

步骤六、根据每个像素和物体区域表示的值与物体区域表示加权求和，得到最后的物体上下文特征表示；

步骤七、将物体上下文特征表示与最深层替代特征进行拼接，获得最后的分割结果图像；

步骤八、在最后的分割结果图像中进行采样，得到最终的裂缝分割图，对裂缝分割图进行建筑物裂缝的检测。

2.如权利要求1所述的基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，对resnet101网络进行改进，保留resnet101网络中的特征提取层，将全连接层去除。

3.如权利要求1所述的基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，对resnet101网络进行改进，将resnet101网络中卷积核大小为3×3的卷积层修改为扩张率为2的空洞卷积。

4.如权利要求1所述的基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，对resnet101网络进行改进，对resnet101网络使用迁移学习的方法，用于减少网络训练时间。

5.如权利要求1所述的基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，物体上下文特征表示采用以下公式计算：

其中，f_k是第k个物体区域表示，w_ik表示第i个像素与第k个物体区域表示之间的相似度，ρ(·)与δ(·)是转换函数，代表卷积至批归一化函数至激活函数的过程。

6.如权利要求5所述的基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，第k个物体区域表示采用以下公式计算：

其中，x_i是第i个像素的表示，是对第k个物体区域表示的像素的归一化值。

7.如权利要求5所述的基于机器视觉的复杂背景建筑物裂缝检测方法，其特征在于，第i个像素与第k个物体区域表示之间的相似度采用以下公式计算：

其中，φ(·)、代表卷积至批归一化函数至激活函数的过程，T代表相乘。