基于DM642的车载浓雾天气识别系统研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于DM642的车载浓雾天气识别系统研究

玉雄侯, 杨蓉, 杨晓虎, 黄俊明

文章导航 > 上海工程技术大学学报 > 2020 > 34(2): 119-126

玉雄侯, 杨蓉, 杨晓虎, 黄俊明. 基于DM642的车载浓雾天气识别系统研究[J]. 上海工程技术大学学报, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

引用本文:

玉雄侯, 杨蓉, 杨晓虎, 黄俊明. 基于DM642的车载浓雾天气识别系统研究[J]. 上海工程技术大学学报, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

YU Xionghou, YANG Rong, YANG Xiaohu, HUANG Junming. Research on Vehicle Dense Fog Weather Recognition System Based on DM642[J]. Journal of Shanghai University of Engineering Science, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

Citation:

YU Xionghou, YANG Rong, YANG Xiaohu, HUANG Junming. Research on Vehicle Dense Fog Weather Recognition System Based on DM642[J]. Journal of Shanghai University of Engineering Science, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

玉雄侯, 杨蓉, 杨晓虎, 黄俊明. 基于DM642的车载浓雾天气识别系统研究[J]. 上海工程技术大学学报, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

引用本文:

玉雄侯, 杨蓉, 杨晓虎, 黄俊明. 基于DM642的车载浓雾天气识别系统研究[J]. 上海工程技术大学学报, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

YU Xionghou, YANG Rong, YANG Xiaohu, HUANG Junming. Research on Vehicle Dense Fog Weather Recognition System Based on DM642[J]. Journal of Shanghai University of Engineering Science, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

Citation:

YU Xionghou, YANG Rong, YANG Xiaohu, HUANG Junming. Research on Vehicle Dense Fog Weather Recognition System Based on DM642[J]. Journal of Shanghai University of Engineering Science, 2020, 34(2): 119-126. doi: 10.3969/j.issn.1009-444X.2020.02.002

基于DM642的车载浓雾天气识别系统研究

doi: 10.3969/j.issn.1009-444X.2020.02.002

广西大学机械工程学院,南宁530004

中图分类号: TP391.4
计量
- 文章访问数: 249
- HTML全文浏览量: 60
- PDF下载量: 83
- 被引次数: 0
出版历程
- 刊出日期: 2020-06-30

Research on Vehicle Dense Fog Weather Recognition System Based on DM642

摘要: 为提高汽车行驶安全性,结合DM642芯片设计一套基于图像处理的车载浓雾天气识别系统.首先通过特征组合法确定晴朗天和浓雾天图像的最佳识别特征是暗通道均值和灰度均值,然后利用支持向量机(SVM)对分类模型进行训练,最后将识别算法以及分类模型移植到DM642中进行硬件测试.试验结果表明,该算法在硬件上能有效地区分晴朗天与浓雾天图像,识别准确率达到95％.
- 浓雾天气识别 /
- DM642芯片 /
- 暗通道均值 /
- 灰度均值 /
- 支持向量机

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 249
HTML全文浏览量: 60
PDF下载量: 83
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有 © 上海工程技术大学沪ICP备05052046号

电话：86-21-67791000Email：xuebao@sues.edu.cn

地址：中国上海市龙腾路333号邮政编码：201620

本系统由北京仁和汇智信息技术有限公司开发