基于支持向量機(jī)的路面狀態(tài)視頻圖像識(shí)別技術(shù)研究.pdf

1、惡劣的路面條件是造成道路交通事故的重要誘因，當(dāng)車(chē)輛在雨、雪、霧等惡劣天氣下行駛時(shí)，極易發(fā)生車(chē)輛打滑側(cè)翻等重特大交通事故。因此，準(zhǔn)確快速地對(duì)路面狀態(tài)進(jìn)行檢測(cè)識(shí)別，并在道路條件惡劣的情況下做出及時(shí)的預(yù)警和反應(yīng)，對(duì)高速公路的高效安全運(yùn)營(yíng)具有重大現(xiàn)實(shí)意義。隨著視頻圖像處理技術(shù)的成熟發(fā)展及高速公路全程視頻監(jiān)控系統(tǒng)的普及，監(jiān)控?cái)z像機(jī)已成為主要的交通監(jiān)測(cè)設(shè)施。因此，利用視頻圖像技術(shù)識(shí)別路面狀態(tài)已成為當(dāng)前研究熱點(diǎn)。然而，對(duì)于混合路面狀態(tài)的識(shí)別，以及不同

2、光照條件下的路面狀態(tài)識(shí)別是兩個(gè)亟需重點(diǎn)解決的難題。本論文提出利用視頻圖像技術(shù)檢測(cè)路面狀態(tài)，并開(kāi)發(fā)可滿(mǎn)足不同路段需求的路面狀態(tài)檢測(cè)算法。具體研究?jī)?nèi)容如下:
　　(1)論文首先將路面狀態(tài)分為干燥、潮濕、積雪、結(jié)冰、積水5種狀態(tài)，根據(jù)原始圖像大小，制定了圖像分塊原則，提取單一狀態(tài)的圖像塊構(gòu)建了路面狀態(tài)圖像庫(kù)，保證了樣本的質(zhì)量和純度。
　　(2)采用三階顏色矩法提取了9維顏色特征向量，采用灰度共生矩陣法提取能量、熵、相關(guān)性、對(duì)比度4

3、個(gè)紋理特征量，基于該13維圖像特征向量，形成了路面狀態(tài)特征數(shù)據(jù)庫(kù)。
　　(3)提出了基于SVM（支持向量機(jī)）的路面狀態(tài)視頻識(shí)別方法，為提升該算法的普適性的識(shí)別精度，采用網(wǎng)格搜索算法優(yōu)化了SVM中的核函數(shù)因子C和懲罰因子g。
　　(4)建立路面狀態(tài)圖像分類(lèi)模型，首先，利用參數(shù)尋優(yōu)的SVM分類(lèi)器對(duì)多組不同樣本量進(jìn)行了訓(xùn)練，得到多組路面狀態(tài)圖像分類(lèi)模型;接著，對(duì)上述多組分類(lèi)模型進(jìn)行性能測(cè)試識(shí)別，甄選出分類(lèi)效果最佳的模型。