基于视觉的实时交通标志识别系统的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景 | 第10-13页 |
| ·应用需求 | 第10-11页 |
| ·交通标志识别系统(TSR) | 第11页 |
| ·交通标志识别相关技术 | 第11-13页 |
| ·国内外研究现状及发展动态 | 第13-15页 |
| ·国外研究现状及进展 | 第13-14页 |
| ·国内研究现状及进展 | 第14-15页 |
| ·本文的主要内容 | 第15-18页 |
| ·研究内容 | 第15页 |
| ·本文组织结构 | 第15-18页 |
| 第2章 交通标志识别相关技术简介 | 第18-30页 |
| ·对象识别技术 | 第18-20页 |
| ·数字图像处理 | 第18-19页 |
| ·计算机视觉 | 第19页 |
| ·计算机视觉在交通标志识别系统中的应用 | 第19-20页 |
| ·机器学习 | 第20-26页 |
| ·机器学习的概念 | 第20-21页 |
| ·机器学习系统 | 第21页 |
| ·机器学习方法分类 | 第21-23页 |
| ·支持向量机 | 第23-26页 |
| ·机器学习的问题 | 第26页 |
| ·基于Atom处理器的平台简介 | 第26-27页 |
| ·Atom处理器简介 | 第26-27页 |
| ·ASB-S700平台简介 | 第27页 |
| ·本章小结 | 第27-30页 |
| 第3章 系统分析与设计 | 第30-40页 |
| ·系统需求及分析 | 第30-32页 |
| ·非功能性需求 | 第30-31页 |
| ·功能性需求 | 第31页 |
| ·需求分析 | 第31-32页 |
| ·系统设计 | 第32-38页 |
| ·系统整体架构设计 | 第32-34页 |
| ·算法结构设计 | 第34-35页 |
| ·系统模块设计 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 系统关键算法研究 | 第40-50页 |
| ·基于径向对称的检测算法研究 | 第40-43页 |
| ·Hough变换的原理 | 第40-42页 |
| ·基于径向对称的交通标志检测算法 | 第42-43页 |
| ·基于样本距离的二叉树多类SVM分类算法 | 第43-47页 |
| ·传统多分类算法 | 第43-45页 |
| ·基于样本距离的二叉树多类SVM分类算法 | 第45-47页 |
| ·基于F-score的特征降维 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 系统实现及结果评估 | 第50-68页 |
| ·系统实现 | 第50-61页 |
| ·系统整体流程 | 第50页 |
| ·系统输入 | 第50-51页 |
| ·系统输出 | 第51页 |
| ·检测模块的实现 | 第51-54页 |
| ·特征提取部分的实现 | 第54-55页 |
| ·训练模块的实现 | 第55-57页 |
| ·识别测试部分的实现 | 第57-59页 |
| ·多帧融合模块的实现 | 第59-61页 |
| ·性能优化方法 | 第61-62页 |
| ·系统评估 | 第62-67页 |
| ·评估方法 | 第62-64页 |
| ·系统性能评估结果 | 第64-65页 |
| ·系统结果评估 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 结束语 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·未来研究方向 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
