基于机器学习反馈的黑暗环境车辆路况自动化识别方法

作者：欧华杰

来源：环境技术, 2019, 37(05): 172-176.

• 机器学习反馈
• 黑暗环境
• 车辆路况
• 自动化识别

传统的车辆路况识别方法存在识别准确率低的问题,威胁驾驶员的人身安全。为此提出基于机器学习反馈的车辆路况识别方法。提取图像特征时利用函数分解窗将设定的像素函数分解出像素值,运用小波变换得出像素特征。使用极坐标方程将像素特征预处理成为像素簇。将像素簇代入到示警单元中进行扫描,得出阴影环境的像素峰值。示警单元自动将像素峰值转化为信号,传递给驾驶员。故此完成黑暗环境的车辆路况的自动化识别。对传统方法与本文提出的方法进行实验,实验结果表明,传统方式的识别准确率为78.4%,而自动化识别方法平均识别准确率达到了98.1%,具有更高的识别准确率。

• 单位
  北京市海淀区职工大学