[发明专利]复杂环境下基于机器视觉的路面坑塘检测方法在审
| 申请号： | 201910829118.8 | 申请日： | 2019-09-03 |
| 公开（公告）号： | CN110717886A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 丁俊杰;郭唐仪;练智超;刘悦;邓洁仪;朱永璇;周钰汀;郭玉洁;孙豪;郝浪;吕亦江;伊特格勒;朱云霞 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 32203 南京理工大学专利中心 | 代理人： | 岑丹 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种复杂环境下基于机器视觉的路面坑塘检测方法，首先利用进行了像素级标注的交通监控图像训练语义分割模型；其次，对交通监控视频进行背景建模获得交通监控背景图像，利用语义分割模型对背景图像进行分割，提取图像中的道路；随后，对提取的道路进行二值化，分割出路面上颜色较深且面积较大的区域，并采用支持向量机对这些区域进行分类，获得路面坑塘候选区域；最后，输出存在被语义分割模型划分为路面坑塘子区域的候选区域。通过本发明有效减少了复杂背景对检测任务的干扰，提高了算法的鲁棒性，并提高了检测精度。 | ||
| 搜索关键词： | 语义分割 背景图像 候选区域 交通监控 检测 交通监控视频 支持向量机 背景建模 复杂背景 复杂环境 基于机器 提取图像 图像训练 有效减少 二值化 鲁棒性 像素级 子区域 分割 算法 标注 视觉 输出 分类 | ||
【主权项】：
1.一种复杂环境下基于机器视觉的路面坑塘检测方法，其特征在于，具体步骤为：/n步骤1、将进行了像素级标注的交通监控图像作为训练样本来训练语义分割模型；/n步骤2、获取待检测的交通监控视频，对其进行背景建模，排除视频中的运动物体，获得交通监控背景图像；/n步骤3、使用训练好的语义分割模型对交通监控背景图像进行分割，提取图像中的道路；/n步骤4、对提取的道路进行二值化，分割出路面上的类坑塘区域；/n步骤5、利用基于路面坑塘样本集训练得到的支持向量机对步骤4分割得到的区域进行分类，如果支持向量机判断该区域为路面坑塘，则将其作为候选区域，否则排除这一区域；/n步骤6、判断所有候选区域中是否存在被语义分割模型划分为路面坑塘的子区域，如果存在，则判断这一区域为路面坑塘区域。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910829118.8/，转载请声明来源钻瓜专利网。
