[发明专利]基于深度学习的路面状况识别方法

说明书

本发明公开了基于深度学习的路面状况识别方法，具体涉及路面状况识别技术领域，具体路面状况识别方法步骤如下：步骤一、采集不同道路面各种裂缝、凸起、凹坑和脱皮状况图片，建立路面状况大数据库；步骤二、根据现有卫星导航路线识别技术建立地图数据库；步骤三、利用云端服务器将路面状况大数据库与地图数据库相整合；步骤四、检测车辆或驾驶车辆利用摄像头和探测雷达对路面进行巡航识别。本发明对道路面的路况监测识别更加精准，且能够更加有效的对过往的来车起到一个很好的提醒效果，通过设置路面状况驾驶预警系统，能够在雨雪天气时车辆行驶到某一已经采集过信息的道路面进行预警提醒，提高行车安全，使得对路面状况的识别实用性更强。

技术领域

本发明涉及路面状况识别技术领域，更具体地说，本发明涉及基于深度学习的路面状况识别方法。

背景技术

从当前公路养护发展的状况来看，大多公路路面病害(如裂纹、凹陷等)的识别形式仍采用传统的方式，即人工目视巡检的方式，该方式工作效率慢，耽误工程进度，影响通行效率，少数路面巡检采用视频录像取样事后分析的方式，但实时性差，且仍需要安排大量人力事后分析视频画面，并不能真正提高巡检效率。

申请号为CN202010905965.0的中国发明专利公开了一种基于视频深度学习的路面缺陷识别方法和系统，所述方法包括：巡检车辆上的视频采集设备实时采集路面视频；根据网络带宽、数据流量及服务器配置判断将路面视频发送至云平台或者巡检车辆上部署的计算设备；若发送至所述计算设备，所述计算设备确定道路病害的类别、数量及缺陷点在图片中的位置，截取缺陷点对应的帧图像标记GPS定位信息上传至云平台；若发送至所述云平台，所述云平台确定道路病害的类别、数量及缺陷点在图片中的位置，截取缺陷点对应的帧图像，标记GPS定位信息进行存储，对重要报警信息进行远程推送，以使得在web前端界面显示，实现了道路路面缺陷实时检测、定位及报警等一系列功能。

综合上述专利设计的一种基于视频深度学习的路面缺陷识别方法和系统，虽然在一定程度上实现对路面的检测功能，但是在实际应用时，一方面，对于采集的路况图像数据并不能达到一个很好的识别机制，使得对路况的识别效率低，精准度较差，且针对位置的报警只是简单的推送，对路况实际存在的问题缺少精确播报，如在雨雪天气时车辆行驶到某一已经采集过信息的道路面时，对于道路的打滑状况缺少监测和识别，即对影响行车安全的采集信息存在漏洞。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供基于深度学习的路面状况识别方法。

为实现上述目的，本发明提供如下技术方案：基于深度学习的路面状况识别方法，具体路面状况识别方法步骤如下：

步骤一、采集不同道路面各种裂缝、凸起、凹坑和脱皮状况图片，建立路面状况大数据库；

步骤二、根据现有卫星导航路线识别技术建立地图数据库；

步骤三、利用云端服务器将路面状况大数据库与地图数据库相整合；

步骤四、检测车辆或驾驶车辆利用摄像头和探测雷达对路面进行巡航识别；

步骤五、巡航识别的图像数据上传至云端服务器，建立实时路况数据库；

步骤六、将步骤五中生成的实时路况数据库，匹配对应位置的地图数据库，并在地图数据库中的对应路面建立语音提醒系统；

步骤七、将步骤六中建立的语音提醒系统保留对该路面路况预设一段时间的提醒机制，预设时间周期根据需要进行人为设置，超过预设时间后自动删除，以待后续车辆巡航时再次生成实时路况数据库和建立新的语音提醒系统；

步骤八、进一步完善对路面状况的深入识别，建立路面状况驾驶预警系统。

作为本发明技术方案的进一步改进，所述步骤一中建立的路面状况大数据库根据实际情况可在后续人工补充道路面各种类型的裂缝、凸起、凹坑和脱皮状况图片以适应后续对路面状况的分析匹配。