买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：齐鲁高速公路股份有限公司;山东大学

摘要：本发明公开了一种基于特征协同的道路早期病害视觉检测方法及系统；其中方法，包括：获取待检测路面图像和待检测路基图像；所述待检测路基图像是待检测路面图像采集位置处的路基图像；将待检测路面图像和待检测路基图像进行图像对齐处理，以保证道路病害在待检测路面图像和待检测路基图像中的空间位置是对应的；将对齐后的待检测路面图像和对齐后的待检测路基图像，均输入到训练后的道路早期病害视觉检测模型中，输出道路早期病害分类标签；其中，训练后的道路早期病害视觉检测模型，用于对待检测路面图像和待检测路基图像分别进行特征提取，将提取的路面特征和路基特征进行特征融合得到融合特征；将融合特征进行分类，得到分类标签。

主权项：1.一种基于特征协同的道路早期病害视觉检测方法，其特征是，包括：获取待检测路面图像和待检测路基图像；所述待检测路基图像是待检测路面图像采集位置处的路基图像；将待检测路面图像和待检测路基图像进行图像对齐处理，以保证道路病害在待检测路面图像和待检测路基图像中的空间位置是对应的；将对齐后的待检测路面图像和对齐后的待检测路基图像，均输入到训练后的道路早期病害视觉检测模型中，输出道路早期病害分类标签；其中，训练后的道路早期病害视觉检测模型，用于对待检测路面图像和待检测路基图像分别进行特征提取，将提取的路面特征和路基特征进行特征融合得到融合特征；将融合特征进行分类，得到分类标签；所述训练后的道路早期病害视觉检测模型，包括：依次连接的共享编码网络和特征解码网络；所述共享编码网络，包括：第一深度卷积神经网络和第二深度卷积神经网络；其中，第一深度卷积神经网络的输入端用于输入待检测路面图像，第一深度卷积神经网络的输出端输出待检测路面图像的特征图；第二深度卷积神经网络的输入端用于输入优化的路基图像，第二深度卷积神经网络的输出端输出优化后路基图像的特征图；第一深度卷积神经网络的输出端和第二深度卷积神经网络的输出端均与特征融合网络的输入端连接；特征融合网络将待检测路面图像的特征图与优化后路基图像的特征图拼接，得到第一拼接结果，将第一拼接结果输入到第一卷积层中进行卷积运算，得到第一卷积运算结果；对待检测路面图像的特征图与优化后路基图像的特征图进行R-Gcorrelation关联运算处理得到第一交互相关特征；对待检测路面图像的特征图与优化后路基图像的特征图进行G-Rcorrelation关联运算处理得到第二交互相关特征；将第一交互相关特征和第二交互相关特征进行拼接，得到第二拼接结果，将第二拼接结果输入到第二卷积层中进行卷积运算，得到第二卷积运算结果；将第一卷积运算结果与第二卷积运算结果进行拼接，得到融合特征；将融合特征，输入到特征解码网络中，输出分类结果；所述对待检测路面图像的特征图与优化后路基图像的特征图进行R-Gcorrelation关联运算处理得到第一交互相关特征；对待检测路面图像的特征图与优化后路基图像的特征图进行G-Rcorrelation关联运算处理得到第二交互相关特征，具体包括：对于R-Gcorrelation关联运算处理，将路面图像特征图视为一个滤波器，然后在路基图像特征图上进行滑动窗口操作，在滑动窗口过程中，在窗口内每个位置上，计算和之间的相关性得分，得到一个新的特征图，新特征图中的每个像素值表示了在对应位置上和之间的相关性得分；两个特征图和的大小都为N×M，具体地，对于新的特征图每个位置i，j上的像素，使用以下公式计算R-Gcorrelation关联运算得分： 其中，CR-Gi，j表示在位置i，j上的相关性得分，表示特征图在位置i+m，j+n上的像素值，表示特征图在位置i，j上的像素值；通过计算相关性得分，得到一个新的特征图，其中的每个像素值表示在对应的位置上和之间的相关性得分CR-Gi,j；类似地，G-Rcorrelation关联运算处理则是将视为滤波器，在上进行相同的操作，计算和之间的相关性。

全文数据：

权利要求：

百度查询： 齐鲁高速公路股份有限公司 山东大学 一种基于特征协同的道路早期病害视觉检测方法及系统