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。