本發(fā)明屬于道路裂縫分類識別
技術(shù)領(lǐng)域：
，具體涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫分類識別方法。
背景技術(shù)：
：近年來我國道路建設(shè)大規(guī)模發(fā)展，與此同時道路的養(yǎng)護也成為了重要的工作內(nèi)容，并且裂縫的檢測與分類識別在養(yǎng)護中占很大一部分。在道路使用過程中，路面的壽命會隨著車輛載荷以及周圍環(huán)境的影響逐漸減少，造成道路使用效率以及車輛行駛安全性大大降低。引起道路出現(xiàn)裂縫的原因有很多，不同原因生成裂縫的不同形狀，并且對于不同寬度與形狀的裂縫，修補策略有很大的區(qū)別?，F(xiàn)如今我國公路的消耗不斷增加，道路裂縫的識別主要依靠人工或者半自動方式，但是這種方式不僅需要消耗大量人力和物力，而且工作效率大大降低，識別的精度和可靠性遠遠不能滿足我國公路的發(fā)展需求。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫分類識別方法，解決了目前主要依靠人力識別道路裂縫的弊端，運用深度學(xué)習(xí)算法訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)提高了裂縫分類精度與可靠性，并且劃分裂縫嚴重等級，直觀反映出圖像中裂縫的嚴重程度，對于道路損害程度的研究以及裂縫修補策略的制定提供了很大的方便。為達到上述目的，本發(fā)明采用如下技術(shù)方案：一種基于卷積神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫分類識別方法，具體包括以下步驟：1)、首先采集道路路面視頻信息；2)、將裂縫的寬度和形狀進行類別劃分；3)、然后建立裂縫圖片樣本集；4)、根據(jù)步驟3)取得的圖片樣本集建立卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型；5)、將采集到的道路信息圖片傳入步驟4)建立的采集道路路面視頻信息，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)分類后得出該圖片裂縫寬度標簽和形狀標簽；6)、用分類器將圖片劃分之后，將裂縫寬度與形狀均賦予權(quán)重，用兩者共同確定此裂縫的嚴重等級；7)、最終根據(jù)得到的裂縫嚴重等級與對應(yīng)道路信息生成圖像裂縫信息。進一步的，步驟1)中，使用帶有高分辨率面陣相機和gps的道路檢測車采集不同路段、不同時間段和不同天氣條件下的瀝青路面視頻，并且實時記錄視頻圖片對應(yīng)的樁號和車道號，樁號用“k”表示，車道號用“#”表示。進一步的，步驟2)中，分別將裂縫的寬度和形狀進行類別劃分，將無裂縫信息、寬度信息、形狀信息分別標記為n、p和q；將不含有道路裂縫圖像的寬度和形狀信息分別標記為np與nq；將寬度范圍分別為w≤2mm，2<w≤5mm,5<w≤10mm,w>10mm的裂縫依次稱為微裂縫、小裂縫、中裂縫和大裂縫，依次標記為p1、p2、p3、p4；對裂縫的形狀進行劃分為橫向裂縫、縱向裂縫、塊狀裂縫和龜裂裂縫，將其分別標記為q1、q2、q3、q4。進一步的，步驟3)中，利用視頻軟件逐幀截取圖片，選取若干張裂縫的圖片分為樣本集的訓(xùn)練集和測試集；根據(jù)實際測量的裂縫信息標記圖片裂縫的寬度和形狀類別信息，分別作為圖片樣本的訓(xùn)練類別標簽和測試類別標簽。進一步的，然后對選取的樣本集圖片進行灰度化、直方圖均衡、對比度增強的預(yù)處理操作。進一步的，步驟4)中，其中卷積神經(jīng)網(wǎng)絡(luò)包括輸入層、輸出層、2個用于特征提取的卷積層、2個特征優(yōu)化選取的采樣層和1個全連接層；1)輸入層s：輸入層的輸入為一幅圖像，尺寸為32×32；2)卷積層c1：將輸入層輸入的特征圖進行卷積得到卷積層c1的特征圖；其計算按公式：其中表示卷積層c1中第l個特征圖的一個神經(jīng)元，表示與神經(jīng)元相連的輸入層的點，表示卷積層c1中的點與輸入層連接點的權(quán)重，即是卷積核的值，表示偏置；3)采樣層s2：采樣層s2的特征圖通過對卷積層c1的特征圖下采樣而得到：采樣層s2特征圖數(shù)目與前一層卷積層中的特征數(shù)目相一致，內(nèi)核為2×2；具體采用如下公式：其中表示s2層的第個特征圖的一個神經(jīng)元，xij表示卷積層c1中與相連的神經(jīng)元；f表示激活函數(shù)，ωj表示連接權(quán)重，bj表示偏置；4)卷積層c3：卷積層c3將采樣層s2的特征圖進行卷積得到卷積層c3的特征圖，其計算公式可以表示為：其中m表示c3每層特征圖中一個點和采樣層s2層特征圖的連接個數(shù)；表示c3該層特征和s2該層特征相連接的點；s表示c3中單個特征圖中有多少個神經(jīng)元和s2中單個特征圖中一個神經(jīng)元相連接；表示偏置；5)采樣層s4采樣層s4的特征圖是通過對卷積層c3的特征圖下采樣而得到，采樣方式和采樣層s2得采樣方式相同；6)全連接層全連接層對采樣層s4的特征與進行全連接方式的卷積，得到一維向量；7)輸出層輸出層包含均與全連接層連接的所有神經(jīng)元。進一步的，步驟5)中，將道路檢測車采集到的道路裂縫用視頻軟件逐幀截取圖片，同一段視頻截取的圖片劃歸為同一段裂縫。進一步的，步驟6)中，用分類器將圖片劃分之后，將裂縫寬度標簽賦予0.45權(quán)重系數(shù)、將形狀標簽賦予0.55權(quán)重系數(shù)，用兩者共同確定此裂縫的嚴重等級；將無裂縫信息的圖片嚴重系數(shù)記為0；在寬度分類中，微裂縫、小裂縫、中裂縫和大裂縫的嚴重等級分別為1-4，記為ωp；在形狀分類中，橫向裂縫、縱向裂縫、塊狀裂縫和龜裂裂縫嚴重等級分別為1-4，記為ωq；則該裂縫嚴重系數(shù)為：ω＝0.45ωp+0.55ωq(4)將嚴重系數(shù)采用min-max標準化進行歸一化處理，其公式為：根據(jù)道路裂縫嚴重等級劃分標準確定出該裂縫的嚴重等級。進一步的，將得到的該裂縫圖像所對應(yīng)的樁號、車道號、寬度范圍、形狀、危險等級五項信息經(jīng)過數(shù)據(jù)處理形成一維數(shù)組。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：本發(fā)明一種基于卷積神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫分類識別方法，通過首先采集道路路面視頻信息；然后將裂縫的寬度和形狀進行類別劃分；然后建立裂縫圖片樣本集；根據(jù)取得的圖片樣本集建立卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型；將采集到的道路信息圖片傳入建立的采集道路路面視頻信息，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)分類后得出該圖片裂縫寬度標簽和形狀標簽；用分類器將圖片劃分之后，將裂縫寬度與形狀均賦予權(quán)重，用兩者共同確定此裂縫的嚴重等級,最終根據(jù)得到的裂縫嚴重等級與對應(yīng)道路信息生成圖像裂縫信息,本發(fā)明依據(jù)不同寬度與形狀裂縫的修補策略不同，將道路裂縫分類，然后對樣本圖片做相應(yīng)標記并預(yù)處理，訓(xùn)練搭建好的卷積神經(jīng)網(wǎng)絡(luò)，運用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)分類出圖片裂縫信息，并且依據(jù)裂縫寬度和形狀劃分裂縫嚴重等級，以便制定更加完善的維修策略，按照預(yù)先的分類的方式將圖像中的裂縫信息自動分類出來，并且進行嚴重等級劃分，不僅提高了裂縫識別的效率，而且極大的方便了道路養(yǎng)護與維修工作。進一步的，通過道路圖像采集系統(tǒng)獲取瀝青道路表面圖片，利用卷積神經(jīng)網(wǎng)絡(luò)算法作為分類器對道路裂縫進行分類；卷積神經(jīng)網(wǎng)絡(luò)是分層神經(jīng)網(wǎng)絡(luò)，由卷積層和采樣層交替組成，能夠隱式的從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)特征，對于無規(guī)律、無顯著特征的裂縫做分類時，具有較大優(yōu)勢。附圖說明圖1為本發(fā)明系統(tǒng)流程圖。圖2為本發(fā)明道路裂縫分類方法圖。圖3為本發(fā)明卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。圖4為本發(fā)明道路裂縫圖像信息表示方法圖。具體實施方式下面結(jié)合附圖對本發(fā)明做進一步詳細描述：如圖1至圖4所示，一種基于卷積神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫分類識別方法，具體包括以下步驟：1)、首先采集道路路面視頻信息；2)、將裂縫的寬度和形狀進行類別劃分；3)、然后建立裂縫圖片樣本集；4)、根據(jù)步驟3)取得的圖片樣本集建立卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型；5)、將采集到的道路信息圖片傳入步驟4)建立的采集道路路面視頻信息，經(jīng)卷積神經(jīng)網(wǎng)絡(luò)分類后得出該圖片裂縫寬度標簽和形狀標簽；6)、用分類器將圖片劃分之后，將裂縫寬度與形狀均賦予權(quán)重，用兩者共同確定此裂縫的嚴重等級；7)、最終根據(jù)得到的裂縫嚴重等級與對應(yīng)道路信息生成圖像裂縫信息。具體的，步驟1)中，使用帶有高分辨率面陣相機和gps的道路檢測車采集不同路段、不同時間段和不同天氣條件下的瀝青路面視頻，并且實時記錄視頻圖片對應(yīng)的樁號和車道號，樁號用“k”表示，車道號用“#”表示。具體的，步驟2)中，分別將裂縫的寬度和形狀進行類別劃分，將無裂縫信息、寬度信息、形狀信息分別標記為n、p和q；將不含有道路裂縫圖像的寬度和形狀信息分別標記為np與nq；因為不同寬度和形狀的裂縫維修策略有很大區(qū)別，裂縫的寬度與油漬，陰影部分相比，寬度明顯要小，因此依據(jù)修補策略對裂縫的寬度進行范圍性劃分，將寬度范圍分別為w≤2mm，2<w≤5mm,5<w≤10mm,w>10mm的裂縫依次稱為微裂縫、小裂縫、中裂縫和大裂縫，這四種裂縫寬度依次標記為p1、p2、p3、p4；對裂縫的形狀進行劃分，瀝青路面裂縫類型通常為橫向裂縫、縱向裂縫、塊狀裂縫和龜裂裂縫，將其分別標記為q1、q2、q3、q4；如表1所示：表1標簽無寬度(np)微裂縫(p1)小裂縫(p2)中裂縫(p3)大裂縫(p4)無形狀(nq)npnqxxxx橫向裂縫(q1)xp1q1p2q1p3q1p4q1縱向裂縫(q2)xp1q2p2q2p3q2p4q2塊狀裂縫(q3)xp1q3p2q3p3q3p4q3龜裂裂縫(q4)xp1q4p2q4p3q4p4q4具體的，步驟3)中，利用視頻軟件逐幀截取圖片，選取若干張裂縫的圖片分為樣本集的訓(xùn)練集和測試集；根據(jù)實際測量的裂縫信息標記圖片裂縫的寬度和形狀類別信息，分別作為圖片樣本的訓(xùn)練類別標簽和測試類別標簽；然后對選取的樣本集圖片進行灰度化、直方圖均衡、對比度增強的預(yù)處理操作。具體的，步驟4)中，用步驟3)所得樣本數(shù)據(jù)訓(xùn)練并測試調(diào)整卷積神經(jīng)網(wǎng)絡(luò)模型，將誤差控制到最小。其中卷積神經(jīng)網(wǎng)絡(luò)包括輸入層、輸出層、2個用于特征提取的卷積層、2個特征優(yōu)化選取的采樣層和1個全連接層；1)輸入層s：輸入層的輸入為一幅圖像，尺寸為32×32；2)卷積層c1：將輸入層輸入的特征圖進行卷積得到卷積層c1的特征圖；采用8個大小為5×5的可訓(xùn)練卷積核進行卷積，卷積層c1的每個特征圖中的每個神經(jīng)元和輸入特征圖像中的25個點相連接；其計算按公式：其中表示卷積層c1中第l個特征圖的一個神經(jīng)元，表示與神經(jīng)元相連的輸入層的點，表示卷積層c1中的點與輸入層連接點的權(quán)重，即是卷積核的值，表示偏置；3)采樣層s2：采樣層s2的特征圖是通過對卷積層c1的特征圖下采樣而得到：采樣層s2特征圖數(shù)目與前一層卷積層中的特征數(shù)目相一致，內(nèi)核為2×2；其中表示s2層的第個特征圖的一個神經(jīng)元，xij表示卷積層c1中與相連的神經(jīng)元。f表示激活函數(shù)，ωj表示連接權(quán)重，bj表示偏置；4)卷積層c3：卷積層c3將采樣層s2的特征圖進行卷積得到卷積層c3的特征圖：卷積層c3中的每個神經(jīng)元連接采樣層s2中8個特征圖的任意4個特征圖，共有個神經(jīng)元與s2連接，因此卷積層c3采用70個大小為5×5的可訓(xùn)練卷積核進行卷積運算：其計算公式可以表示為：其中m表示c3每層特征圖中一個點和s2層特征圖的連接個數(shù)；表示c3該層特征和s2該層特征相連接的點；s表示c3中單個特征圖中有多少個神經(jīng)元和s2中單個特征圖中一個神經(jīng)元相連接；表示偏置；5)采樣層s4采樣層s4的特征圖是通過對卷積層c3的特征圖下采樣而得到，采樣方式和s2得采樣方式相同；6)全連接層全連接層對采樣層s4的特征與進行全連接方式的卷積，得到一維向量；7)輸出層本發(fā)明對道路裂縫做分類，共有17個分類結(jié)果，因此輸出層包含17個神經(jīng)元，均與全連接層的所有神經(jīng)元連接。輸出層輸出實際類別，與樣本類別標簽對比，反向調(diào)整權(quán)值，直至實際輸出與類別標簽接近。步驟5)中，將道路檢測車采集到的道路裂縫用視頻軟件逐幀截取圖片，同一段視頻截取的圖片劃歸為同一段裂縫；步驟6)中，用分類器將圖片劃分之后，將裂縫寬度標簽賦予0.45權(quán)重系數(shù)、將形狀標簽賦予0.55權(quán)重系數(shù)，用兩者共同確定此裂縫的嚴重等級；將無裂縫信息的圖片嚴重系數(shù)記為0；在寬度分類中，微裂縫、小裂縫、中裂縫和大裂縫的嚴重等級分別為1-4，記為ωp；在形狀分類中，橫向裂縫、縱向裂縫、塊狀裂縫和龜裂裂縫嚴重等級分別為1-4，記為ωq；則該裂縫嚴重系數(shù)為：ω＝0.45ωp+0.55ωq(4)將嚴重系數(shù)采用min-max標準化進行歸一化處理，其公式為：根據(jù)道路裂縫嚴重等級劃分標準確定出該裂縫的嚴重等級，如表2所示：表2步驟7)中，將得到的該裂縫圖像所對應(yīng)的樁號、車道號、寬度范圍、形狀、危險等級五項信息經(jīng)過數(shù)據(jù)處理形成一維數(shù)組，例如(k350.500#2p2q3d級)即在公路350公里再過500米處的第2車道上有一段裂縫區(qū)域，該裂縫是寬度在2-5mm的塊狀裂縫，裂縫嚴重等級d級，即將該圖像的裂縫信息提取出來，以便后續(xù)道路修補工作。當前第1頁12