文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.191412
中文引用格式： 李太文，范昕煒. 基于Faster R-CNN的道路裂縫識(shí)別[J].電子技術(shù)應(yīng)用，2020，46(7)：53-56，59.
英文引用格式： Li Taiwen，F(xiàn)an Xinwei. Road crevice recognition based on Faster R-CNN[J]. Application of Electronic Technique，2020，46(7)：53-56，59.
0 引言
近幾十年公路在中國(guó)得到蓬勃發(fā)展，保養(yǎng)維護(hù)也日益成為一個(gè)問題，需要定期對(duì)路面狀況進(jìn)行檢查，以便制定相應(yīng)的維護(hù)策略，其中重要的一項(xiàng)指標(biāo)是路面裂縫。若能在裂縫的出現(xiàn)初期就能發(fā)現(xiàn)，并及時(shí)跟蹤它的發(fā)展情況，那么它的維護(hù)費(fèi)用將大大降低。如何在不影響正常的交通情況下對(duì)整段路面進(jìn)行實(shí)時(shí)的監(jiān)測(cè)，成為亟待解決的一大難題。傳統(tǒng)的基于人工視覺的識(shí)別方法越來越不能適應(yīng)高速公路發(fā)展的要求，其耗人力、耗時(shí)、危險(xiǎn)、花費(fèi)高、效率低，還影響正常的交通。計(jì)算機(jī)高性能處理器、大容量存儲(chǔ)器以及圖像處理技術(shù)的快速發(fā)展，使得路面裂縫的實(shí)時(shí)自動(dòng)識(shí)別與識(shí)別技術(shù)成為可能。文獻(xiàn)[1]提出基于改進(jìn)K-means算法的不均勻光照下道路裂縫識(shí)別，文獻(xiàn)[2]對(duì)基于數(shù)字圖像的混凝土道路裂縫識(shí)別方法進(jìn)行了描述，傳統(tǒng)的裂縫目標(biāo)識(shí)別算法有基于SVM[3-4]、HOG[5]特征和DPM[6]等多種方法，但這些方法在識(shí)別過程中分多個(gè)階段進(jìn)行識(shí)別，精度不高且檢測(cè)速度慢。針對(duì)傳統(tǒng)的裂縫目標(biāo)識(shí)別方法存在的不足，本文提出一種基于Faster-RCNN[7]（Faster Region-Convolutional Neural Network）的道路裂縫識(shí)別方法，不僅可以自動(dòng)提取裂縫特征，而且在識(shí)別精度和檢測(cè)速度方面也取得了良好的效果。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://www.jysgc.com/resource/share/2000002900
作者信息:
李太文，范昕煒
(中國(guó)計(jì)量大學(xué) 質(zhì)量與安全工程學(xué)院，浙江 杭州310000)