通车年限、交通荷载、环境因素的反复作用使得高速公路路面裂缝病害的问题日益突出,设计一个科学、完善、实用的高速公路路面裂缝检测系统,是提高公路技术状况评定工作水平的重点,也是现代信息技术与网路技术发展的必然。计算机视觉技术和神经网络理论的高速发展,使得基于空间分布特征的路面裂缝图像识别方法研究成为可能,既可以解决高速公路养护部门的当前技术难题,又可以方便地应用到汽车自动驾驶系统中,具有较大的应用价值。本文首先分析了现有道路综合检测车技术指标和总体架构,设计了针对日常巡检实际的软件升级模块结构;其次提出了一种基于空间分布特征的路面裂缝识别方法,用于道路综合检测车系统软件升级,该方法利用空间分布特征和反向传播神经网络模型实现了自动路面裂缝分类,采用方向编码(D-Coding)算法对裂缝子部分进行编码并提取方向特征,同时采用Delaunay三角剖分技术进行分析裂缝区域结构和提取密度特征,然后利用设计的反向传播神经网络模型进行高速公路路面裂缝图像分类。计算机仿真测试结果表明该方法分类精确度超过92%,最大识别率为92.9%;最后,本文基于Visual Studio 2010和Open CV3.4.1设计了基于计算机视觉技术的路面裂缝检测系统软件升级模块,软件升级模块实现了裂缝图像增强、路面裂缝空间特征和密度特征提取、基于反向传播神经网络的裂缝图像识别、路面裂缝图像存储模块、线阵相机的标定模块、病害等级与指标计算等功能,给出了相关的软件流程图以及部分关键代码。基于数字图像处理的路面裂缝检测系统测试结果表明,本文设计的道路综合检测车路面裂缝检测系统软件升级模块功能检测合格,并达到预期目标,系统软件能够自动检测高速公路路面裂缝,并能计算有关技术指标,具备实用性。