基于机器学习反馈的黑暗环境车辆路况自动化识别方法

摘要：

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.

关键词：机器学习反馈、黑暗环境、车辆路况、自动化识别

所属期刊栏目：37

分类号：TP341(计算技术、计算机技术)

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：172-176