基于支持向量机的低能见度前车识别研究
DOI:
作者:
作者单位:

作者简介:

徐鹏(1968—),男,副教授,博士,研究方向为智能交通。

通讯作者:

中图分类号:

U491

基金项目:

江苏省自然科学基金项目(BK2015021306)


Study on Low Visibility of Vehicle Recognition Based on Support Vector Machine
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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。

    Abstract:

    The complex meteorological condition environment is one of the important reasons for the high inci-dence of traffic accidents, in which drivers’ vision find it hard to identify quickly and effectively the front vehi-cles in a low-visibility environment. But machine vision not only overcomes the biological vision restriction, but also retains the characteristics of high continuity and stability. The drivers who have experience and good mental state were selected to classify the sampled images of low visibility vehicles. Then, the LIBSVM toolbox was used to build the simulation driver classification and recognition model based on support vector machine in MAT-LAB2016b version. Finally, the test sample was used to verify the recognition rate, and the simulation results show that the recognition rate is over 90%.

    参考文献
    相似文献
    引证文献
引用本文

徐鹏,王泽华.基于支持向量机的低能见度前车识别研究[J].华东交通大学学报,2018,35(1):69-74.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-05-25
  • 出版日期: