面向路灯照明自适应调节的雾天能见度分类

在智慧城市研究领域中,基于能见度分类网络进行路灯照明的智能调节,是近年来有效减少雾天发生交通安全事故的重要研究分支。但是,现有相关方法研究普遍存在准确率低和结果滞后等问题。基于此,提出了一种面向路灯照明自适应调节的雾天能见度分类方法。首先,通过分析多色彩空间的像素级信息,从而实现对图像的日夜判别;其次,基于此通过融合堆叠式注意力分割的残差网络,对雾天图像进行能见度精细化分类;最后,通过雾天能见度分类结果引导路灯自适应调节亮度、色温。实验验证表明,所提方法在自建数据集中分类准确率达到了80.56%,相较于ResNet提升了1.39%,能够有效引导路灯照明的自适应调节,为雾天车辆行驶提供了安全保障。