本发明公开了一种基于动态刷新正样本图像库的道路路面异常检测方法，将每张正常图像视为由W个H维列向量组成的集合，并学习得到一个欠完备字典，依据重建误差，剔出重建误差平均值最小的正常图像，得到正样本图像库K，然后计算出整体重建误差e，并乘以系数ε作为异常分类阈值，最后，对于拍摄的路面图像，计算出重建误差的平均值e_x，并与异常分类阈值比较，大于等于则道路路面有损坏，小于则道路路面为正常道路路面并更新刷新正样本图像库K。本发明只需要保存正样本图像库中的N个正常图像及其对应的N个字典就可以快速实现道路路面异常检测，存储压力小，计算开销小；此外，支持在检测到新的正常图像时刷新正样本图像库K，因而能够不断改进模型异常分类性能。