刘新宇 黄德启

（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）

0 引 言

目前路面传感器是获取路面湿滑状况信息主要手段，由于路面传感器智能获取断面路况的点信息，且维护极为不便，基于道路监控摄像机的路况图像识别技术以及结合路测非接触传感器判别路面湿滑状况成为当前研究的热点.Kuehnle Andreas［1］利用路面图像灰度的统计特征作为路面湿滑状况分类器的输入，设计了神经网络路况分类器识别路面干、湿、结冰等状况.YA MADA MUNEO［2］利用车载摄像机采集路况信息，以路面图像极化特征等为参数建立路面湿滑状况评价模型.I.Becchi等［3］通过摄像机拍摄路面水流状况，综合图像分析结果和降雨密度值判断路面水膜深度，并以此预测路况演变规律.Lars Forslöf［4］采集3 135幅路面图像包含了干燥、结冰、积雪和潮湿四种状况，并提取原始图像像素灰度统计特征、图像边缘和轮廓信息、高亮度像素块的大小和分布信息作为分类器输入参数，建立路面湿滑状况神经网络分类器.Fu kui［5］通过计算路面图像的表面亮度和空间频谱，分析道路的湿滑状况.王维锋，初秀民等［6］提出利用D－S证据理论和人工神经网络方法对不利天气下的交通运行状况等级进行识别与预测.

本文首先利用所设计的SV M分类器结合三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SV M分类器对大量道路湿滑图像进行分类实验，最后分析了实验结果，并讨论了……