基于图像的路面材质类型识别方法和装置与流程

1.本公开的实施例一般涉及图像识别技术领域，并且更具体地，涉及基于图像的路面材质类型识别方法和装置。


背景技术：

2.道路作为重要的交通基础设施，开展道路的路面材质类型、路面状况调查是现有建设道路养护决策的重要内容，也是交通部门的重要工作之一。随着计算机技术、图像处理技术的快速发展，利用自动化手段进行路面材质识别是实现自动化道路路况检测领域一项重要的研究内容。目前，较常用的路面材质识别方法主要有基于遥感影像的道路材质识别方法、人工路面材质识别等。
3.基于遥感影像的道路材质提取方法，需购买高分辨率遥感影像，成本较高，对于被树木、建筑物等遮挡严重的道路区域无法进行道路材质识别，且遥感影像识别道路材质需要首先进行道路提取，算法复杂。人工路面材质识别耗费巨大的人力、物力、财力。


技术实现要素：

4.根据本公开的实施例，提供了一种基于图像的路面材质类型识别方法。
5.在本公开的第一方面提供一种基于图像的路面材质类型识别方法，包括：
6.接收终端采集并上传的道路图像信息；
7.将所述道路图像信息输入预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型。
8.在一些实施例中，所述接收终端采集并上传的道路图像信息，包括：
9.接收终端按照预设距离间隔上传的采集到的图像，所述图像包括多帧道路图像数据。
10.在一些实施例中，所述路面材质识别模型通过以下方式训练得到：
11.以预设数量的预先标注好路面材质类型的路面图像作为训练样本，对预先构建的卷积神经网络模型进行训练，输出路面材质类型，作为识别结果；
12.将识别结果中的路面材质类型与预先标注好的路面材质类型进行对比，响应于识别结果中的路面材质类型与预先标注好的路面材质类型的误差大于预设阈值，对预先构建的卷积神经网络模型中的各层的参数进行调整；
13.重复上述过程，直到识别结果中识别结果中的路面材质类型与预先标注好的路面材质类型的误差小于预设阈值，完成对路面材质识别模型的训练；
14.响应于训练样本集中的样本多样化需求，对对应训练样本集中的训练样本进行图像翻转、图像旋转、仿射变换、随机裁剪、数据标准化中的其中一种或多种操作，直到模型训练的误差小于预设阈值。
15.在一些实施例中，所述路面材质类型包括沥青路类型、水泥路类型和未铺装路类型。
16.在一些实施例中，还包括：根据识别出的路面材质类型，为公路技术状况评定、道路养护、公路建设状况核查等提供数据支撑。
17.在一些实施例中，所述路面材质识别模型，是以resnet网络架构为基础，构建的具有101层级的深度卷积神经网络。
18.在本公开的第二方面，提供一种基于图像的路面材质类型识别装置，包括：
19.道路图像信息接收模块，用于接收终端采集并上传的道路图像信息；
20.路面材质类型识别模块，用于将所述道路图像信息输入预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型。
21.在本公开的第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
22.在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
23.通过本公开的基于图像的路面材质类型识别方法，能够针对不同的路面材质类型进行识别，为公路技术状况评定、道路养护、公路建设状况核查等提供数据支撑。
24.发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
25.结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
26.图1示出了本公开实施例一的基于图像的路面材质类型识别方法的流程图；
27.图2示出了本公开实施例二的基于图像的路面材质类型识别装置的结构示意图；
28.图3示出了本公开实施例三的基于图像的路面材质类型识别设备的结构示意图。
具体实施方式
29.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
30.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
31.本公开实施例的基于图像的路面材质类型识别方法，能够针对不同的路面材质类型进行识别，为公路技术状况评定、道路养护、公路建设状况核查等提供数据支撑。
32.具体地，如图1所示，为本公开实施例一的基于图像的路面材质类型识别方法的流程图。在本实施例中，所述基于图像的路面材质类型识别方法，可以包括以下步骤：
33.s101：接收终端采集并上传的道路图像信息。
34.本公开实施例的基于图像的路面材质类型识别方法，可以应用于车载路况监测系统，通过在车辆上安装道路图像信息采集终端，例如摄像头或者高频相机，来采集车辆驶过
道路的图像信息。终端在采集到道路图像信息后，可以将采集到的道路图像信息上传至后台服务器，以令后台服务器对所采集到的道路图像信息进行识别。
35.在本实施例中，终端可以以图像的形式上传采集到的道路图像信息，并且，具体地，可以按照预设距离间隔上传的采集到的图像，所述图像包括多帧道路图像数据；
36.s102：将所述道路图像信息输入预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型。
37.在本实施例中，后台服务器在接收到终端上传的道路图像信息后，若所述道路图像信息是以图像的形式进行上传的，则可以直接将将所述道路图像信息输入预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型。若所述道路图像信息是以视频流的方式上传的，则还包括对所述视频流中的道路图像视频帧进行提取，生成单帧的道路图像的过程，并将生成的单帧的道路图像输入到预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型。
38.在本实施例中，所述路面材质识别模型通过以下方式训练得到：
39.以预设数量的预先标注好路面材质类型的路面图像作为训练样本，对预先构建的卷积神经网络模型进行训练，输出路面材质类型，作为识别结果；
40.将识别结果中的路面材质类型与预先标注好的路面材质类型进行对比，响应于识别结果中的路面材质类型与预先标注好的路面材质类型的误差大于预设阈值，对预先构建的卷积神经网络模型中的各层的参数进行调整；
41.重复上述过程，直到识别结果中识别结果中的路面材质类型与预先标注好的路面材质类型的误差小于预设阈值，完成对路面材质识别模型的训练；
42.响应于训练样本集中的样本多样化需求，对对应训练样本集中的训练样本进行图像翻转、图像旋转、仿射变换、随机裁剪、数据标准化中的其中一种或多种操作，直到模型训练的误差小于预设阈值。
43.具体地，所述路面材质类型包括沥青路面类型、水泥路面类型和未铺装路面类型。
44.则将所述道路图像信息输入预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型为沥青路面类型、水泥路面类型或未铺装路面类型。
45.并且，所述路面材质识别模型，是以resnet网络架构为基础，构建的具有101层级的深度卷积神经网络。
46.本公开的基于图像的路面材质类型识别方法，能够针对不同的路面材质类型进行识别，为公路技术状况评定、道路养护、公路建设状况核查等提供数据支撑。
47.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应所述知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应所述知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
48.以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
49.如图2所示，为本公开实施例二的基于图像的路面材质类型识别装置的结构示意图。本实施例的基于图像的路面材质类型识别装置，包括：
50.道路图像信息接收模块201，用于接收终端采集并上传的道路图像信息。
51.路面材质类型识别模块202，用于将所述道路图像信息输入预先训练的路面材质识别模型，输出所述道路图像信息对应的路面材质类型。
52.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
53.图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。如图所示，设备300包括中央处理单元(cpu)301，其可以根据存储在只读存储器(rom)302中的计算机程序指令或者从存储单元308加载到随机访问存储器(ram)303中的计算机程序指令，来执行各种适当的动作和处理。在ram 303中，还可以存储设备300操作所需的各种程序和数据。cpu 301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
54.设备300中的多个部件连接至i/o接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
55.处理单元301执行上文所描述的各个方法和处理，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由rom 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到ram 703并由cpu 301执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，cpu 301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法。
56.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)等等。
57.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
58.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
59.此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。
在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
60.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。