基于支持向量机的低能见度前车识别研究

• 作者: 徐鹏 王泽华
• 来源期刊: 华东交通大学学报
• 学科: 交通运输
• 关键词: 机器视觉 神经网络 支持向量机 分类识别模型
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 交通管理与控制
• 页码范围: 69-74
• 页数: 6页
• 分类号: U491
• 字数: 3486字
• 语种: 中文

摘要

复杂气象条件环境是造成交通事故高发的重要原因之一,驾驶员视觉无法在复杂气象条件造成的低能见度环境中快速有效识别前方车辆,而机器视觉在克服生物视觉易受干扰的基础上,还保留了高效的延续性和稳定性等特点,挑选驾驶经验丰富且精神状态良好的驾驶员对采集的低能见度车辆前方样本图片进行分类,并使之成为训练样本.然后在MATLAB2016b版本上利用LIBSVM工具箱建立基于支持向量机的模拟驾驶员分类识别模型,最后使用测试样本验证其识别率,仿真分类模型识别结果表明,识别率达到90%以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王泽华	河海大学土木与交通学院	85	692	15.0	21.0
2	徐鹏	河海大学土木与交通学院	29	111	7.0	9.0