基于人工智能的道路裂缝检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于人工智能的道路裂缝检测方法及系统。该方法包括：获取实时采集的待分析的道路图像；利用改进的运动去模糊算法对道路图像进行处理得到复原图像；将复原图像输入训练完成的神经网络中进行裂缝识别，神经网络的输出为包含裂缝区域的裂缝图像，基于裂缝图像得到道路表面的道路裂缝；其中运动去模糊算法的改进为每个像素点自适应模糊长度的获取，通过每个像素点对应的自适应模糊长度得到对应的模糊核，基于每个像素点对应的模糊核进行反卷积得到复原图像，提高了复原图像的清晰度，增加了对道路缺陷检测的准确度。路缺陷检测的准确度。路缺陷检测的准确度。

【技术实现步骤摘要】
基于人工智能的道路裂缝检测方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种基于人工智能的道路裂缝检测方法及系统。

技术介绍

[0002]在道路通车使用一段时间后，无论沥青路面还是水泥路面都可能会出现一些问题，常见的有裂缝、坑槽、车辙、松散、表面破损等，其中裂缝是路面各类病害中最常见、最易发生和最早期产生的问题之一，它伴随着道路的整个使用期，并随着路龄的增长而加重。
[0003]道路裂缝检测在道路疲劳评估领域起着重要作用；传统的裂纹检测方法主要依靠手工工作，该方法的效率较低，且在分析过程中对图像的阈值完全依靠人为经验，准确性较低，因此自动裂纹检测道路裂纹的方法越来越普遍。
[0004]自动裂纹检测的目标是准确标记裂纹区域；在少数情况下，裂纹具有良好的连续性和明显的对比度；然而，在大多数情况下，裂纹中存在相当大的噪声，对比度低；并且对裂纹分析的图像采集往往是高速下的采集，图像的质量较低从而导致对道路裂缝的检测准确性较低。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的道路裂缝检测方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于人工智能的道路裂缝检测方法，该方法包括以下步骤：获取实时采集的待分析的道路图像，所述道路图像包括道路表面区域；利用改进的运动去模糊算法对所述道路图像进行处理得到复原图像；将所述复原图像输入训练完成的神经网络中进行裂缝识别，所述神经网络的输出为包含裂缝区域的裂缝图像，基于所述裂缝图像得到道路表面的道路裂缝；其中，所述改进的运动去模糊算法是对每个像素点的模糊长度进行自适应获取，获取方法为：获取所述道路图像的运动方向，对所述道路图像进行边缘检测得到边缘图像，将所述边缘图像中的边缘进行匹配得到多组边缘匹配对，基于所述运动方向获取每组边缘匹配对中的真实边缘与模糊边缘；以每组边缘匹配对中的真实边缘上任意像素点为目标点，获取所述目标点在所述模糊边缘上的第一匹配点，所述第一匹配点与所述目标点之间的欧式距离为所述目标点的第一距离；基于所述第一距离以及所述运动方向获取所述目标点的搜索匹配的范围，计算搜索匹配的范围内每个像素点与所述目标点之间的匹配值，匹配值最小的像素点为所述目标点的第二匹配点，所述第二匹配点与所述目标点之间的欧式距离为所述目标点的第二距
离；根据所述第一距离以及所述第二距离的加权求和得到所述目标点的优化距离；所述优化距离为所述第二匹配点的模糊长度；基于所有第二匹配点的模糊长度获取所述道路图像中其他像素点的模糊长度。
[0006]优选的，所述获取所述道路图像的运动方向的方法，包括：获取实时采集的所述道路图像的前一帧图像，选定道路图像与其前一帧图像中共有的参照物，参照物位移的方向为所述道路图像的运动方向。
[0007]优选的，所述基于所述运动方向获取每组边缘匹配对中的真实边缘与模糊边缘的方法，包括：构建所述运动方向对应的单位向量；获取每组边缘匹配对中两条边缘分别对应的中心位置的点为中心点，将两个所述中心点进行连接得到对应的线段，获取线段的中点，以该线段的中点为所述单位向量的起点，与所述单位向量的终点距离较近的边缘为模糊边缘，则边缘匹配点对中的另一边缘为真实边缘。
[0008]优选的，所述获取所述目标点在所述模糊边缘上的第一匹配点的方法为匈牙利算法。
[0009]优选的，所述基于所述第一距离以及所述运动方向获取所述目标点的搜索匹配的范围的方法，包括：获取所述道路图像的运动方向左边15度与运动方向右边15度之间的范围为搜索的方向；获取目标点的第一距离的二倍的距离范围，所述距离范围与搜索方向的范围构成所述目标点搜索匹配的范围。
[0010]优选的，所述计算搜索匹配的范围内每个像素点与所述目标点之间的匹配值的方法，包括：对所述目标点进行高斯模糊得到模糊值，获取所述目标点的模糊值与搜索匹配的范围内任意像素点的灰度值之间的灰度差异；连接所述像素点与所述目标点得到对应的线段，获取所述线段与水平线方向的夹角的角度值，以及所述运动方向的单位向量与水平线方向的夹角的基准角度值，计算所述线段与水平线方向的夹角的角度值与所述基准角度值之间的角度差异；对所述灰度差异以及所述角度差异分别进行归一化，计算归一化后的灰度差异的平方值与角度差异的平方值的加和，对所述加和开二次方得到所述像素点与所述目标点之间的匹配值。
[0011]优选的，所述第一距离以及所述第二距离的权重为：计算所述道路图像中所有真实边缘上像素点对应的第一距离的均值为第一均值，所有真实边缘上像素点对应的第二距离的均值为第二均值；获取真实边缘上任意像素点的第一距离与第一均值的第一差值，以及所述像素点的第二距离与第二均值的第二差值，计算所述第一差值与所述第二差值的求和，所述第二差值与所述求和的比值为偏离程度，所述偏离程度为所述第一距离的权重；所述第一距离的权重与所述第二距离的权重相加为1。
[0012]优选的，所述基于所有第二匹配点的模糊长度获取所述道路图像中其他像素点的模糊长度的方法，包括：获取每个像素点对应的距离最近的第二匹配点，距离最近的第二匹配点的模糊长度为所述像素点的模糊长度。
[0013]第二方面，本专利技术另一个实施例提供了一种基于人工智能的道路裂缝检测系统，该系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现如上述基于人工智能的道路裂缝检测方法所述的步骤。
[0014]本专利技术具有如下有益效果：通过对道路图像对应边缘图像中的每条边缘进行分析，得到其中的真实边缘与模糊边缘，基于真实边缘与模糊边缘上像素点之间的匹配得到每个像素点自适应的模糊长度，进而得到每个像素点对应的模糊核，基于每个像素点对应的模糊核得到更加清晰的复原图像，从而提高了基于复原图像检测的道路裂缝的准确性。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0016]图1为本专利技术一个实施例所提供的一种基于人工智能的道路裂缝检测方法流程图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的道路裂缝检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0019]本申请所适用的场景为：将图像采集设备放置在行驶的汽车上进行实时图像采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的道路裂缝检测方法，其特征在于，该方法包括以下步骤：获取实时采集的待分析的道路图像，所述道路图像包括道路表面区域；利用改进的运动去模糊算法对所述道路图像进行处理得到复原图像；将所述复原图像输入训练完成的神经网络中进行裂缝识别，所述神经网络的输出为包含裂缝区域的裂缝图像，基于所述裂缝图像得到道路表面的道路裂缝；其中，所述改进的运动去模糊算法是对每个像素点的模糊长度进行自适应获取，获取方法为：获取所述道路图像的运动方向，对所述道路图像进行边缘检测得到边缘图像，将所述边缘图像中的边缘进行匹配得到多组边缘匹配对，基于所述运动方向获取每组边缘匹配对中的真实边缘与模糊边缘；以每组边缘匹配对中的真实边缘上任意像素点为目标点，获取所述目标点在所述模糊边缘上的第一匹配点，所述第一匹配点与所述目标点之间的欧式距离为所述目标点的第一距离；基于所述第一距离以及所述运动方向获取所述目标点的搜索匹配的范围，计算搜索匹配的范围内每个像素点与所述目标点之间的匹配值，匹配值最小的像素点为所述目标点的第二匹配点，所述第二匹配点与所述目标点之间的欧式距离为所述目标点的第二距离；根据所述第一距离以及所述第二距离的加权求和得到所述目标点的优化距离；所述优化距离为所述第二匹配点的模糊长度；基于所有第二匹配点的模糊长度获取所述道路图像中其他像素点的模糊长度。2.根据权利要求1所述的一种基于人工智能的道路裂缝检测方法，其特征在于，所述获取所述道路图像的运动方向的方法，包括：获取实时采集的所述道路图像的前一帧图像，选定道路图像与其前一帧图像中共有的参照物，参照物位移的方向为所述道路图像的运动方向。3.根据权利要求1所述的一种基于人工智能的道路裂缝检测方法，其特征在于，所述基于所述运动方向获取每组边缘匹配对中的真实边缘与模糊边缘的方法，包括：构建所述运动方向对应的单位向量；获取每组边缘匹配对中两条边缘分别对应的中心位置的点为中心点，将两个所述中心点进行连接得到对应的线段，获取线段的中点，以该线段的中点为所述单位向量的起点，与所述单位向量的终点距离较近的边缘为模糊边缘，则边缘匹配点对中的另一边缘为真实边缘。4.根据权利要求1所述的一种基于人工智能的道路裂缝检测方法，其特征在于，所述获取所述目标点在所述模糊边缘上的第一匹配点的方法为匈牙利算法。5.根据权...

【专利技术属性】
技术研发人员：李德科，王晓慧，孙振兴，
申请(专利权)人：淄博市淄川区市政环卫服务中心，
类型：发明
国别省市：