基于SVM分类器的道路湿滑图像分类方法研究

作     者：刘新宇 黄德启 Liu Xinyu;Huang Deqi

作者机构：武汉理工大学水路公路交通安全控制与装备教育部工程研究中心武汉430063 

基　　金："十一五"国家科技支撑计划重点项目资助(批准号:2009BAG13A03) 

出 版 物：《武汉理工大学学报（交通科学与工程版）》 (Journal of Wuhan University of Technology（Transportation Science & Engineering）)

年 卷 期：2011年第35卷第4期

页      码：784-787,792页

摘      要：在恶劣天气下路面湿滑状况将发生显著变化,导致驾驶条件恶化,极易引发恶劣的交通事故.为了帮助交通管理部门实时获取路面湿滑状况信息,了解路面附着性能,并以此制定合理的车速控制和交通诱导策略,通过采集道路湿滑图像,利用设计的具体SVM分类器结合3种训练算法对道路湿滑图像进行分类学习训练,并通过训练后的SVM分类器对大量道路湿滑图像进行分类实验,对道路湿滑状态进行分类研究.实验结果表明:(1)寻找合适的核函数,选择合适的参数是使用SVM进行高效分类的一个重要因素;(2)在训练过程中,均方误差(MSE)能反映出分类器实现的正确率,SVM的训练本身的误差决定了分类的正确率,而且训练个数的增多带来了特征空间维数的增加,从而导致计算量的增大.

主 题 词：道路湿滑图像 图像识别 支持向量机(SVM) 分类器 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 082303[082303] 0802[工学-机械学] 082302[082302] 0801[工学-力学类] 0823[工学-农业工程类] 

D　O　I：10.3963/j.issn.1006-2823.2011.04.032

馆 藏 号：203918747...