基于机器学习的监控图像能见度估计 能见度低是交通事故的重要诱发因素，其中雾霾天气占了很大一部分诱导因素。

为了避免交通事故的发生或降低交通事故的影响。

越来越多的车辆开始配备安全系统。

然而这种系统只能在事故发生时产生作用，我们希望可以在事故发生之前有效的预估并避免事故的发生。

为此我们需要实时准确估计能见度并判断对出行是否产生影响。

这对安全交通出行具有重要的现实意义。

由于以上要求，我们打算使用机器学习技术来克服这些障碍。

机器学习技术是人工智能的核心，是通过模拟人脑的思考学习模式对事物进行分析归纳，形成某种模型，是近年来的热门研究领域，在科学研究中发挥着不可代替的作用。

一、 能见度估计 根据国际照明委员会CIE（Internationan Commissionon Illumination）的定义：在人肉眼没有任何帮助的条件下，所能识物体的最大距离，就称之为当前的能见度距离。

能见度可细分为白天能见度和夜间能见度通常意义上的能见度是指水平能见度即视力正常的人在白天无云的天气条件下能够从天空背景中看到和分辨的目标物黑色大小适度的最大水平距离而夜间能见度是指中等强度的发光体能被看到和识别的最大水平距离 交通上的有效水平气象能见度是指在人工观测气象能见度中四周视野中1/2以上范围能看到的目标物的最大水平距离能见度反映了大气透明度和环境空气质量。