《基於路面圖像的破損數據自動識別準確率的校驗方法》是中公高科（北京）養護科技有限公司於2010年9月16日申請的發明專利，該專利的公布號為CN101923651A，專利公布日為2010年12月22日，發明人是榮婧、潘玉利。
《基於路面圖像的破損數據自動識別準確率的校驗方法》包括：識別全部路面圖像數據中每個路面圖像數據的路面破損率；按照預先確定的抽樣比例，抽取相應數量的路面圖像數據；輸入每個路面圖像數據的基準路面破損率；對於抽取的各個路面圖像數據，通過所述圖像識別設備識別的路面破損率與所述基準路面破損率進行運算，運算識別準確率均值；判斷均值大於閾值，輸出全部路面圖像數據識別準確的提示。
2017年12月11日，《基於路面圖像的破損數據自動識別準確率的校驗方法》獲得第十九屆中國專利優秀獎。
（概述圖為《基於路面圖像的破損數據自動識別準確率的校驗方法》摘要附圖）
基本介紹
- 中文名：基於路面圖像的破損數據自動識別準確率的校驗方法
- 公布號：CN101923651A
- 公布日：2010年12月22日
- 申請號：2010102835888
- 申請日：2010年9月16日
- 申請人：中公高科（北京）養護科技有限公司
- 地址：北京市海淀區西土城路8號
- 發明人：榮婧、潘玉利
- Int. Cl.：G06K9/62(2006.01)I
- 類別：發明專利
專利背景,發明內容,專利目的,技術方案,改善效果,附圖說明,技術領域,權利要求,實施方式,榮譽表彰,
專利背景
隨著路面養護新技術的發展、各種路況檢測設備的使用，路況分析方法已逐漸由基於快速檢測設備的自動分析代替了傳統的人工調查。路況分析中，反映路面使用性能的一項重要數據為路面的破損率（PavementDistress Ratio），快速檢測設備採集路面圖像，對圖像進行自動損壞識別，經過計算得到路面破損率。對於每個路面圖像數據，識別圖像數據中破損的路面圖像，通過所識別出的破損程度、以及整個路面圖像運算出相應的路面破損率。
對路面圖像數據進行識別的過程，包括以下步驟：圖像預處理、圖像二值化、裂縫定位等步驟，圖像的損壞定位和損壞識別準確度直接影響著後續的路面破損率的準確性。對路面圖像數據的識別有多種方式，不同的方式在識別速度和識別精度上的效果不同，如是否考慮路面上干擾的影響，如陰影干擾、路面油污、破損位置有無污染等，都會對識別造成影響。如果使用複雜的識別方法進行識別，則識別後的識別準確率誤差會很小，但由於算法複雜，運算時間較長，有時還需要人工干預，效率較低；而大量的路圖像數據中，有路面破損的占少數，大量的路面圖像數據是無破損的情況，對於無破損的路面圖像數據，如果採用複雜算法，又會浪費時間和人力。
對於路面圖像數據而言，如果採用複雜的識別算法，在獲得路面破損率的運算時間較長、效率較低，但如果採用相對簡單的算法，由於識別後的破損率無法校驗，存在難以確定所獲得的路面破損率是否準確的問題，無法保證數據的準確性，無法保證為養護分析決策提供依據。
發明內容
專利目的
《基於路面圖像的破損數據自動識別準確率的校驗方法》的目的是提供一種基於路面圖像的破損數據自動識別準確率的校驗方法，以解決上述由於識別後的破損率無法校驗，難以確定所獲得的路面破損率是否準確的問題。
技術方案
《基於路面圖像的破損數據自動識別準確率的校驗方法》所述校驗方法，包括：採用圖像識別設備，識別全部路面圖像數據中每個路面圖像數據的路面破損率；按照預先確定的抽樣比例，從所述全部路面圖像數據中抽取相應數量的路面圖像數據；輸入所述抽取的路面圖像數據中每個路面圖像數據的基準路面破損率；對於抽取的所述各個路面圖像數據，通過所述圖像識別設備識別的路面破損率與所述基準路面破損率進行運算，運算各個路面圖像數據的識別準確率及識別準確率均值；其中，運算各個路面圖像數據的識別準確率的過程包括：採用公式
運算獲得每個路面圖像數據的識別準確率；
，N為按比例抽取的路面圖像數據的數量；其中，Ri表示每個路面圖像數據的識別準確率，VTi為當前路面圖像數據的容許偏差，VTCi為當前路面圖像數據破損率絕對誤差；aTCi為當前路面圖像數據的基準路面破損率；aTi為當前路面圖像數據的路面破損率；所述識別準確率均值Ra為：
，N為按照抽樣比例抽取的路面圖像數據的數量；如果判斷所述識別準確率均值大於閾值，則輸出所述全部路面圖像數據識別準確的提示。
改善效果
《基於路面圖像的破損數據自動識別準確率的校驗方法》可按照抽樣比例抽取相應數量的路面圖像數據，並將這些路面圖像數據的基準破損率和識別的路面破損率進行比較，進而估計出全部路面圖像數據的路面破損率是否識別準確。在估計過程中，採用容許偏差和絕對誤差運算識別準確率，最後通過均值校驗了路面破損率識別的準確性，為後續的養護決策提供了準確的依據，從而選擇正確的養護決策，提高了養護效率，降低了養護成本。
附圖說明
圖1是實施例一的流程圖；
圖2是實施例二的流程圖；
圖3是實施例三的流程圖。
技術領域
《基於路面圖像的破損數據自動識別準確率的校驗方法》涉及圖像數據處理技術領域。
權利要求
1.《基於路面圖像的破損數據自動識別準確率的校驗方法》特徵在於，包括：採用圖像識別設備，識別全部路面圖像數據中每個路面圖像數據的路面破損率；按照預先確定的抽樣比例，從所述全部路面圖像數據中抽取相應數量的路面圖像數據；輸入所述抽取的路面圖像數據中每個路面圖像數據的基準路面破損率；對於抽取的各個路面圖像數據，通過所述圖像識別設備識別的路面破損率與所述基準路面破損率進行運算，運算各個路面圖像數據的識別準確率及識別準確率均值；其中，運算各個路面圖像數據的識別準確率的過程包括：採用公式運算獲得每個路面圖像數據的識別準確率；,N為按抽樣比例抽取的路面圖像數據的數量；其中，Ri表示每個路面圖像數據的識別準確率，VTi為當前路面圖像數據的容許偏差，VTCi為當前路面圖像數據破損率絕對誤差；aTCi為當前路面圖像數據的基準路面破損率；aTi為當前路面圖像數據的路面破損率；所述識別準確率均值Ra為：
；如果判斷所述識別準確率均值大於閾值，則輸出所述全部路面圖像數據識別準確的提示。
2.根據權利要求1所述的方法，其特徵在於，所述抽樣比例確定的過程包括：由用戶預先設定抽樣比例；或，在所述全部路面圖像數據中，選擇部分路面圖像數據作為樣本數據；由所述圖像識別設備識別所述樣本數據中的每個路面圖像數據的路面破損率；在所述樣本數據中，按照多個不同比例抽取路面圖像數據；輸入所述樣本數據中的每個路面圖像數據的基準路面破損率；通過所述圖像識別設備識別的所述樣本數據中各個路面圖像數據的路面破損率、及其基準路面破損率，運算每個比例抽取的各個路面圖像數據的識別準確率、以及所述樣本數據中的各個路面圖像數據的識別準確率；將各個比例運算的所述識別準確率分別與所述樣本數據的識別準確率進行比較，選擇相關性最大的識別準確率所對應的比例作為所述抽樣比例。
3.根據權利要求1所述的方法，其特徵在於，所述容許偏差通過以下公式確定：
；
；其中，aTmax表示最大標準化路面破損率，為N個
運算結果中最大的一個，a0表示按照比例抽取的各個路面圖像數據的路面破損率均值；a1表示按照抽樣比例抽取的路面圖像數據的路面破損率標準差。
4.根據權利要求1所述的方法，其特徵在於，所述運算識別準確率之前，還包括：判斷所述當前路面圖像數據破損率絕對誤差VTCi的值是否小於所述容許偏差；如果小於，則再執行所述運算識別準確率的步驟；如果大於，則所述當前路面圖像數據的識別準確率為零。
5.根據權利要求2所述的方法，其特徵在於，所述路面圖像數據的路面破損類型包括多種，每種路面破損類型對應一個所述抽樣比例；所述全部路面圖像數據為同一種路面破損類型的路面圖像數據。
6.根據權利要求5所述的方法，其特徵在於，所述路面破損類型為：縱向裂縫、橫向裂縫、塊裂、龜裂、坑槽、鬆散、修補、破碎板、板角斷裂、錯台或邊角剝落。
7.根據權利要求2所述的方法，其特徵在於，將各個比例運算的所述識別準確率分別與所述樣本數據的識別準確率進行比較，還包括：確定每個比例的置信度，選擇出置信度大於95%的各個比例；所述選擇相關性最大的識別準確率所對應的比例作為所述抽樣比例包括：從選擇出置信度大於95%的比例中隨機選擇一個比例或選擇置信度最高的比例作為所述抽樣比例。
8.根據權利要求2所述的方法，其特徵在於，從所述全部路面圖像數據中抽取相應數量的路面圖像數據、或所述按照多個不同比例抽取路面圖像數據的方式包括：採用隨機抽樣、等間距抽樣、分層加隨機抽樣或分段抽樣進行抽取。
實施方式
- 實施例一
參見圖1，實施例一中包括以下步驟：
S101：採用圖像識別設備，識別全部路面圖像數據中每個路面圖像數據的路面破損率。圖像識別設備採用各種形式的計算機設備，運行圖像識別算法，如圖像預處理、圖像二值化、裂縫定位等，可以識別瀝青路面上的縱向裂縫、橫向裂縫、塊裂、龜裂、坑槽、鬆散及修補；水泥路面的破碎板、裂縫、板角斷裂、錯台、邊角剝落、露骨和修補。保存自動識別結果。從而獲得破損率，破損率的體現形式並不唯一，如採用圖像拍攝範圍的破損與路面面積的比率，還可以用圖像中的破損和路面面積推算出實際路面的破損率。
S102：按照預先確定的抽樣比例，從所述全部路面圖像數據中抽取相應數量的路面圖像數據。抽樣方法可採用隨機抽樣、等間距抽樣、分層加隨機抽樣、或分段抽樣方法等。例如，分層加隨機抽樣的方式包括：按照樁號順序，將路面圖像進行排序，並按照損壞特徵將圖像數據按照採集樁號先進行分組。在每個分組中，按照預設比例，採用隨機加等間距的方法進行抽樣。
S103：輸入所述抽取的路面圖像數據中每個路面圖像數據的基準路面破損率。對於按照抽樣比例抽取的路面圖像數據，可採用更為準確的圖像識別算法進行識別，如輸入每張圖片的損壞閾值、損壞類型、損壞程度等，可以準確識別出任何複雜背景下的路面破損，調整參數以獲得更多的識別對象，可以識別出路面圖像數據中的陰影干擾、破損的路面內填充的污染物等，避免這些干擾對識別的路面破損率造成干擾，將運算出的路面破損率作為基準路面破損率；還可由用戶識別，在步驟S101中，選出由於干擾影響導致沒有識別出的路面破損，並運算路面圖像數據的路面圖像破損率，將運算出的路面破損率作為基準路面破損率。
S104：對於抽取的所述各個路面圖像數據，通過所述圖像識別設備識別的路面破損率與所述基準路面破損率進行運算，獲得各個路面圖像數據的識別準確率及識別準確率均值。
運算過程可採用以下方式：採用公式運算獲得每個路面圖像數據的識別準確率；0＜i≤N，N為按照抽樣比例抽取的路面圖像數據的數量。其中，Ri表示每個路面圖像數據的識別準確率，VTCi代表每個路面圖像數據絕對誤差值。此絕對誤差值為通過路面識別設備識別的路面破損率和相應的基準路面破損率之間的差值，VTi表示每個路面圖像數據的容許偏差。此容許偏差可以由用戶設定一個閾值，也可採用運算方式獲得。可以每個路面圖像數據設定一個，也可以全部路面圖像數據採用相同的一個容許偏差，以滿足更高的準確率要求。
S105：如果判斷所述識別準確率均值大於準確率設定的閾值，則輸出所述全部路面圖像數據識別準確的提示。
通過實施例一中的流程，可按照抽樣比例抽取相應數量的路面圖像數據，並將這些路面圖像數據的基準破損率和識別的路面破損率進行比較，進而運算出全部路面圖像數據的路面破損率是否識別準確。對於大量的路面圖像數據，避免了複雜的識別算法識別周期長、效率低的問題，為後續的養護決策提供了準確的依據，從而選擇正確的養護決策，縮短了識別時間，降低了養護成本。
上述實施例一中，可以採用多種方式確定抽樣比例，如由用戶按照路面圖像數據的數據量進行設定；抽樣比例還可預先通過路面圖像設備識別的路面破損率和基準路面破損率之間的相關性分析，選擇合適的抽樣比例。
- 實施例二
在實施例二中，校驗自動識別的路面圖像數據的路面破損率是否正確的過程和實施例一的過程相同，可在步驟S102或步驟S101之前確定抽樣比例，確定抽樣比例的過程參見圖2，包括以下步驟：
S201：在所述路面圖像數據中，選擇部分路面圖像數據作為樣本數據。
S202：由所述圖像識別設備識別所述樣本數據中的每個路面圖像數據的路面破損率。
S203：在所述樣本數據中，按照多個不同比例抽取路面圖像數據。選擇的各個比例可由用戶設定，如3％～30％之間的任意多個比例值。
S204：輸入所述樣本數據中的每個路面圖像數據的基準路面破損率。對於按照抽樣比例抽取的路面圖像數據，可採用更為準確的圖像識別算法進行識別，這些識別算法，可以識別出路面圖像數據中的陰影干擾、破損的路面內填充的污染物等，避免這些干擾對識別的路面破損率造成干擾，將運算出的路面破損率作為基準路面破損率；還可由用戶識別，在步驟S101中，及時選出由於干擾影響導致沒有識別出的路面破損處，並運算路面圖像數據的路面圖像破損率，將運算出的路面破損率作為基準路面破損率。
S205：通過所述圖像識別設備識別的所述樣本數據中各個路面圖像數據的路面破損率、及樣本數據中各個路面圖像數據的基準路面破損率，運算每個比例抽取的各個路面圖像數據的識別準確率、以及所述樣本數據中的各個路面圖像數據的識別準確率。
S206：將各個比例運算的所述識別準確率分別與所述樣本數據的識別準確率進行比較，選擇相關性最大的識別準確率所對應的比例作為抽樣比例。
選擇出一個比例值作為實施例中的抽樣比例，通過此抽樣比例抽取路面圖像數據，識別準確率最為接近樣本數據的識別準確率。此時，按照步驟S206確定的抽樣比例選擇的路面圖像數據，由路面圖像識別設備識別出路面破損率，與基準路面破損率執行後續的運算識別準確率的步驟。
每個比例下，路面圖像數據的識別準確率與樣本數據的識別準確率之間相關關係不同，比例越高，置信度越高，每個比例的置信度也不相同，在置信度為90％～98％之間均可認為樣本數據中各個路面圖像數據的路面破損率可代表全部路面圖像數據的破損率，且後續識別準確率的結果大於閾值，可認為樣本數據中各個路面圖像數據的路面破損率是準確的。優選推薦的置信度為95％，該置信度所對應的比例即可作為抽樣比例。當然，還從選擇出置信度大於95％的比例中隨機選擇一個比例或選擇置信度最高的比例作為所述抽樣比例。
優選地，在該發明的各個實施例中，確定抽樣比例時，還可按照路面的破損類型的確定，如對不同省份和地區，根據國道和省道、縣鄉道路的不同，分別對一個損壞類型選取一定數量的路面圖像數據作為實施例中的樣本數據，如100-300公里路段的路面圖像數據。路段的路面類型包括瀝青路面和水泥路面，路面等級包括高速公路、一級公路、二三級公路。路段的損壞特徵，包括：瀝青路面無裂縫、縱向裂縫、橫向裂縫、塊裂、龜裂、坑槽、鬆散及修補等；水泥路面無裂縫、破碎板、裂縫、板角斷裂、錯台、邊角剝落、露骨和修補等。[0054]確定全部的路面圖像數據的損壞特徵，按照損壞特徵確定相應的抽樣比例。在上述的實施例二中，由於確定的抽樣比例為樣本數據識別準確的置信度達到95％以上，其識別的準確性可作為樣本數據中全部路面圖像數據的準確性依據。
- 實施例三
參見圖3，包括以下步驟：
S301：讀取全部的路面圖像數據。
S302：由路面圖像識別設備對全部的路面圖像數據進行識別。
S303：運算出全部的路面圖像數據中每個路面圖像數據的破損率。圖像識別設備採用各種形式的計算機設備，運行圖像識別算法，如圖像預處理、圖像二值化、裂縫定位等方式，從而獲得每個路面圖像數據的路面破損率。
S304：確定抽樣比例。可採用實施例二中的步驟確定抽樣比例，還可以由用戶自行設定抽樣比例。
S305：按照確定的抽樣比例從全部的路面圖像數據中進行抽樣。
S306：對按照抽樣比例抽取的路面圖像數據，運算相應的基準路面破損率。對於按照抽樣比例抽取的路面圖像數據，可採用更為準確的圖像識別算法進行識別，這些識別算法，可以識別出路面圖像數據中的陰影干擾、破損的路面內填充的污染物等，避免這些干擾對識別的路面破損率造成干擾，將運算出的路面破損率作為基準路面破損率；還可由用戶識別，在步驟S101中，及時選出由於干擾影響導致沒有識別出的路面破損處，並運算路面圖像數據的路面圖像破損率，將運算出的路面破損率作為基準路面破損率。
S307：運算每個路面圖像數據的容許偏差。
容許偏差通過以下公式的運算獲得：；
；
其中，VTi代表當前路面圖像數據的容許偏差，aTmax表示最大標準化路面破損率，為N個運算結果中最大的一個，其中，標準化路面破損率為aTi與a0的差值與a1之間的比值，0＜i≤N，N為按比例抽取的路面圖像數據的數量；aTCi為當前路面圖像數據的基準路面破損率；aTi為按照抽樣比例抽取的每個路面圖像數據的路面破損率，該路面破損率由路面圖像設備識別，i為各個路面破損率的序號，0＜i≤N，N為按照抽樣比例抽取的路面圖像數據的數量；a0表示按照抽樣比例抽取的各個路面圖像數據的路面破損率均值；a1表示按照抽樣比例抽取的路面圖像數據的路面破損率標準差。且當aTC＝0時，Vτ＝0。
S308：運算每個路面圖像數據的絕對誤差。
絕對誤差的運算過程可採用以下方式：
，其中，VTCi為每個路面圖像數據的絕對誤差；aTCi為當前路面圖像數據的基準路面破損率；aTi為按照抽樣比例抽取的當前路面圖像數據的路面破損率，0＜i≤N。
S309：運算每個路面圖像數據的識別準確率。
採用公式
運算獲得每個路面圖像數據的識別準確率；0＜i≤N，N為按照抽樣比例抽取的路面圖像數據的數量。
識別準確率的運算過程也可用於實施例一、實施例二。
S310：通過識別準確率均值是否大於閾值，輸出提示。
在獲得各個識別準確率之後，運算出均值Ra，均值通過以下公式獲得：，N為按照抽樣比例抽取的路面圖像數據的數量。如果判斷所述識別準確率均值大於閾值，則輸出所述全部路面圖像數據識別準確的提示；如果小於閾值，則輸出不準確的提示。
優選地，在步驟S310的過程中，還可在預先判斷每個抽樣的路面圖像數據的絕對誤差VTCi是否小於容許偏差VTi，如果絕對誤差VTCi小於容許偏差VTi，則運算識別準確率Ri；如果絕對誤差VTCi大於容許偏差VTi，則識別破損率為不準確，識別準確率為0。
通過上述的實施例三，可按照抽樣比例抽取相應數量的路面圖像數據，並將這些路面圖像數據的基準破損率和識別的路面破損率進行比較，進而運算出全部路面圖像數據的路面破損率是否識別準確。在估計過程中，採用容許偏差和絕對誤差運算識別準確率，最後通過均值校驗了路面破損率識別的準確性，為後續的養護決策提供了準確的依據，從而選擇正確的養護決策，提高了養護效率，降低了養護成本。
榮譽表彰
2017年12月11日，《基於路面圖像的破損數據自動識別準確率的校驗方法》獲得第十九屆中國專利優秀獎。
