基于支持向量機的路面狀態(tài)視頻圖像識別技術(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)車輛在雨、雪、霧等惡劣天氣下行駛時，極易發(fā)生車輛打滑側(cè)翻等重特大交通事故。因此，準(zhǔn)確快速地對路面狀態(tài)進行檢測識別，并在道路條件惡劣的情況下做出及時的預(yù)警和反應(yīng)，對高速公路的高效安全運營具有重大現(xiàn)實意義。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)控攝像機已成為主要的交通監(jiān)測設(shè)施。因此，利用視頻圖像技術(shù)識別路面狀態(tài)已成為當(dāng)前研究熱點。然而，對于混合路面狀態(tài)的識別，以及不同

2、光照條件下的路面狀態(tài)識別是兩個亟需重點解決的難題。本論文提出利用視頻圖像技術(shù)檢測路面狀態(tài)，并開發(fā)可滿足不同路段需求的路面狀態(tài)檢測算法。具體研究內(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，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、對比度4

3、個紋理特征量，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。
　　(3)提出了基于SVM（支持向量機）的路面狀態(tài)視頻識別方法，為提升該算法的普適性的識別精度，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)圖像分類模型，首先，利用參數(shù)尋優(yōu)的SVM分類器對多組不同樣本量進行了訓(xùn)練，得到多組路面狀態(tài)圖像分類模型;接著，對上述多組分類模型進行性能測試識別，甄選出分類效果最佳的模型。