| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 交通标识检测和识别研究现状 | 第11-15页 |
| 1.2.1 交通标志检测研究现状 | 第11-14页 |
| 1.2.2 交通标志识别研究现状 | 第14-15页 |
| 1.3 研究内容与章节安排 | 第15-18页 |
| 1.3.1 论文研究内容 | 第15-16页 |
| 1.3.2 论文章节安排 | 第16-18页 |
| 第二章 交通标识检测与识别基础理论 | 第18-29页 |
| 2.1 交通标识简介 | 第18-19页 |
| 2.1.1 我国使用的交通标识简介 | 第18-19页 |
| 2.1.2 交通场景下的交通标识 | 第19页 |
| 2.2 图像预处理 | 第19-20页 |
| 2.3 卷积神经网络知识介绍 | 第20-26页 |
| 2.3.1 卷积神经网络的结构 | 第21页 |
| 2.3.2 卷积神经网络的卷积运算和池化操作 | 第21-23页 |
| 2.3.3 卷积神经网络常用的激活函数 | 第23-25页 |
| 2.3.4 丢失连接和块归一化 | 第25-26页 |
| 2.4 基于深度学习的交通标志检测和识别的总体思想 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于视频单帧图像的交通标识检测与识别 | 第29-54页 |
| 3.1 算法思想与整体框架 | 第29-30页 |
| 3.2 图像增强处理 | 第30-32页 |
| 3.3 交通标志检测与识别的网络选择与结构改进 | 第32-38页 |
| 3.3.1 网络选择 | 第32-33页 |
| 3.3.2 YOLO-V3网络结构分析与改进 | 第33-38页 |
| 3.4 基于单帧图像的交通标志检测与识别 | 第38-42页 |
| 3.5 实验结果与分析 | 第42-53页 |
| 3.5.1 图像增强实验 | 第42-43页 |
| 3.5.2 训练YOLO-V3网络时挑选的交通标志类别 | 第43-44页 |
| 3.5.3 训练网络的数据集构建 | 第44-46页 |
| 3.5.4 YOLO-V3网络模型训练 | 第46-48页 |
| 3.5.5 实验测试结果与分析 | 第48-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于视频多帧图像联合的交通标识检测和识别 | 第54-71页 |
| 4.1 算法基本思想和整体框架 | 第55-56页 |
| 4.2 第一个交通标志区域图像的定位与获取 | 第56页 |
| 4.3 相邻帧视频图像的交通标志图像定位算法 | 第56-61页 |
| 4.3.1 基于SIFT的图像关键点匹配算法 | 第57页 |
| 4.3.2 第二帧和第三帧交通标志图像定位 | 第57-61页 |
| 4.4 基于特帧融合的交通标志识别方法 | 第61-63页 |
| 4.4.1 交通标志图像特帧提取与融合算法 | 第61-62页 |
| 4.4.2 交通标志特帧提取网络和识别网络 | 第62-63页 |
| 4.5 实验结果与分析 | 第63-70页 |
| 4.5.1 交通标志检测网络的搭建与训练 | 第63-64页 |
| 4.5.2 相邻帧交通标志定位算法实验结果 | 第64-66页 |
| 4.5.3 交通标志特帧提取网络和识别网络的搭建与训练 | 第66-69页 |
| 4.5.4 基于多帧联合的交通标志检测和识别算法实验结果 | 第69-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 基于超分辨图像重建的小尺寸交通标志识别 | 第71-82页 |
| 5.1 小尺寸交通标志图像特性分析 | 第71-72页 |
| 5.2 算法思想与整体框架 | 第72-73页 |
| 5.3 基于基于超分辨图像重建的小尺寸交通标志放大算法 | 第73-77页 |
| 5.3.1 现有超分辨图像重建算法简介 | 第73-74页 |
| 5.3.2 基于超分辨图像重建的小尺寸交通标志图像放大算法 | 第74-77页 |
| 5.4 实验结果与分析 | 第77-81页 |
| 5.4.1 FSRCNN网络训练 | 第77-79页 |
| 5.4.2 基于基于超分辨图像重建的小尺寸交通标志识别实验结果 | 第79-80页 |
| 5.4.3 在测试视频上的实验结果 | 第80-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 论文工作总结 | 第82页 |
| 6.2 未来论文展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 附录 攻读硕士学位期间申请的专利 | 第88-89页 |
| 致谢 | 第89页 |
