电子警察系统中的交通信号灯识别方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题意义及课题价值 | 第10页 |
| 1.2 国内外研究现状及存在的主要问题 | 第10-13页 |
| 1.2.1 国内外研究现状总结 | 第11-12页 |
| 1.2.2 存在的主要问题 | 第12-13页 |
| 1.3 算法的提出和基本流程 | 第13-14页 |
| 1.4 本文主要内容和结构 | 第14-16页 |
| 第2章 交通信号灯检测 | 第16-38页 |
| 2.1 分时段自适应检测算法基本思想 | 第16-18页 |
| 2.2 交通信号灯候选区域获取 | 第18-27页 |
| 2.2.1 时间段判断 | 第18-19页 |
| 2.2.2 选择颜色空间 | 第19-21页 |
| 2.2.3 白天时间段候选区域提取及实验结果 | 第21-24页 |
| 2.2.4 夜晚时间段候选区域提取及实验结果 | 第24-26页 |
| 2.2.5 实验结果分析 | 第26-27页 |
| 2.3 交通信号灯候选区域过滤 | 第27-36页 |
| 2.3.1 几何特征过滤 | 第27-30页 |
| 2.3.2 亮度特征过滤 | 第30-34页 |
| 2.3.3 颜色特征过滤 | 第34-36页 |
| 2.4 分时段自适应检测算法的实验结果 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 交通信号灯类型识别 | 第38-47页 |
| 3.1 交通信号灯类型识别算法流程 | 第38-39页 |
| 3.2 ELM分类器的训练 | 第39-44页 |
| 3.2.1 训练样本的选取和预处理 | 第39-40页 |
| 3.2.2 特征提取 | 第40-41页 |
| 3.2.3 特征降维 | 第41-42页 |
| 3.2.4 分类器训练 | 第42-44页 |
| 3.3 ELM分类器的识别 | 第44页 |
| 3.4 实验结果分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 交通信号灯识别结果优化 | 第47-52页 |
| 4.1 多帧关联优化算法具体实现 | 第47-48页 |
| 4.2 最终实验结果分析 | 第48-51页 |
| 4.3 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第58-59页 |
| 致谢 | 第59-61页 |
