1.一种基于deepstream的道路裂缝检测方法，其特征在于：所述检测方法以车载流媒体相机为输入源，获取道路裂缝的外部图像，视频信号以rtsp流的形式传输，在视频实时传输到微型计算机后，使用基于gstream的deepstream技术对rtsp流进行实时处理，通过建立管道对视频信号完成解析，再通过在管道上建立的插件，完成对道路裂缝的检测，所述检测方法还包括运用神经网络技术进行图像识别，通过采用SSD网络，所述SSD网络包括以下步骤：

1)VGG16 Base Layer，以VGG16作为基础的特征提取层Base Layer，选取其中的Conv4_

3作为第一个特征层用于目标检测；

2)Extra Feature Layer，在VGG16 Base Layer的基础上，额外的添加几个特征层用于目标检测，将VGG16中的FC7改成了卷积层Conv7，同时增加Conv8、Conv9、Conv10、Conv11几个特征层；；

3)Detection Layer，准备好特征金字塔来进行目标检测后，预先设定一些框proir box/default box，以他们为基本，通过位移和长宽比改变慢慢的向真实目标位置靠近；设计了大量的密集的proir box，保证对整幅图像的每个地方都有；对这个proir box中目标的类别进行预测，预测proir box最终演变的框，Detection Layer实现类别预测和框预测；

4)NMS，特征层通过Detection Layer将得到多个proir box的预测结果，对这些预测结果进行筛选。

2.根据权利要求1所述的基于deepstream的道路裂缝检测方法，其特征在于：所述筛选过程包括：S1,对于某个类别，将分类预测的<置信度阈值的框删除；

S2,将该类别筛选后的框按照置信度降序排序；

S3,对筛选后的框采用NMS；

S4,计算置信度最高的框与后面所有框的iou，iou>阈值就删除；

S5,找到筛选后的框中除了当前框后面的另一个置信度最高的框，重复第一个步骤，以此不断遍历，直到结束。