【出 处】：《 计算机仿真 》 CSCD 2012年第1期 339-343页,共5页

【作 者】： 刘志鑫 ; 王志海

【摘 要】 研究车辆路况自动识别的问题，提高识别的准确率和鲁棒性。针对车辆的路况自动识别系统极易受外界环境的影响．传统的基于PCA的路况识别方法在提取路况信息时无法避免恶劣天气等环境的影响，造成最终的识别不准确和鲁棒性不高的问题。为了克服这一难题，提出了基于机器学习的车辆路况自动识别系统。首先采用Haar小波特征提取方法，将受环境影响的路况图像中的有效特征准确提取并降维，然后利用支持向量机选择合适的特征参数。将特征参数输入到AdaBoost分类器中进行分类识别后就完成了最终的车辆路况自动识别，避免了传统方法自动识别受恶劣环境影响的问题。实验证明，这种方法能够有效克服外界环境的影响，准确完成车辆路况的自动识别，并且识别结果具有较好的鲁棒性和满意的效果。