[发明专利]一种基于改进Faster R-CNN的路面破损识别方法

权利要求书

1.一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，包括：

收集路面破损图片和平滑路面图片，并进行分类标记，形成样本库；

提取样本库中图片的特征图；

将提取的特征图输入训练好的RPN网络中生成含有破损的候选区域框；

对候选区域框进行筛选获取有效候选框；

将有效候选框划分为训练集和测试集，采用训练集训练Faster R-CNN模型，对破损类别进行预测；采用测试集验证训练好的Faster R-CNN模型；

将实时采集的路面图片输入训练好的RPN网络中生成区域框；

将生成的区域框输入训练好的Faster R-CNN模型，得到路面破损类别。

2.根据权利要求1所述的一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，所述收集路面破损图片和平滑路面图片，并进行分类标记，形成样本库，包括：

收集各大网站中的路面破损图片和平滑路面图片；所述路面破损图片包括裂缝、小型坑洞、中型坑洞和大型坑洞；

通过数据增强操作增加路面破损图片的数量；

将所有图片裁剪为640x640大小；

将所有图片按照坑洞大小进行分类标记，形成样本库；

所述进行分类标记包括：将平滑路面图片标记为pothole 0，将出现裂缝的路面破损图片标记为pothole 1，将出现小型坑洞的路面破损图片标记为pothole 2，将出现中型坑洞的路面破损图片标记为pothole 3，将出现大型坑洞的路面破损图片标记为pothole 4。

3.根据权利要求2所述的一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，收集百分之七十的图片为路面破损图片，百分之三十的图片为平滑路面图片。

4.根据权利要求1所述的一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，采用改进VGG16卷积层，提取样本库中图片的特征图；

所述改进VGG16卷积层为：

在卷积层Conv1后添加一个最大池化层，在卷积层Conv5后添加一个反卷积层。

5.根据权利要求1所述的一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，训练RPN网络包括：

通过反向传播和Adam优化器进行端到端的RPN网络训练；

根据RPN分类层损失，回归层损失，检测分类层损失和回归层损失随迭代次数的变化折线图，确定最佳迭代次数。

6.根据权利要求1所述的一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，采用Soft-NMS算法去除冗余的候选框，获取有效候选框。

7.根据权利要求1所述的一种基于改进Faster R-CNN的路面破损识别方法，其特征在于，还包括：

统计不同类型路面破损的数量。