| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 研究现状及存在问题 | 第12-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 研究目标和内容 | 第15-17页 |
| 1.4.1 中国道路交通标志数据的采集与标注 | 第16页 |
| 1.4.2 上下文无关的交通标志检测算法设计 | 第16-17页 |
| 1.4.3 上下文相关的交通标志检测算法设计 | 第17页 |
| 1.5 本文组织结构 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 中国交通标志数据集 | 第19-27页 |
| 2.1 交通标志数据采集 | 第19-22页 |
| 2.1.1 采集设备 | 第19-20页 |
| 2.1.2 采集路线 | 第20-22页 |
| 2.2 交通标志数据集分析 | 第22-26页 |
| 2.2.1 交通标志数据类别定义 | 第22-23页 |
| 2.2.2 交通标志数据统计信息 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 上下文无关的交通标志检测算法 | 第27-45页 |
| 3.1 基本算法简介 | 第27-31页 |
| 3.1.1 图像特征 | 第27-29页 |
| 3.1.1.1 积分图像应用原理 | 第27-28页 |
| 3.1.1.2 Integral Channel Features | 第28-29页 |
| 3.1.2 Adaboost算法 | 第29-30页 |
| 3.1.2.1 Adaboost训练 | 第29-30页 |
| 3.1.2.2 Adaboost检测 | 第30页 |
| 3.1.3 整体训练流程 | 第30-31页 |
| 3.2 多尺度(Multi-scale)特征估计算法 | 第31-39页 |
| 3.2.1 积分特征近似计算 | 第34-35页 |
| 3.2.1.1 上采样梯度积分特征估计 | 第34页 |
| 3.2.1.2 降采样梯度积分特征估计 | 第34-35页 |
| 3.2.2 特征近似计算的应用 | 第35-38页 |
| 3.2.3 实验结果 | 第38-39页 |
| 3.3 Cascade-Adaboost串行算法 | 第39-44页 |
| 3.3.1 Cascade-Adaboost理论基础及应用框架 | 第39-40页 |
| 3.3.2 阈值σ*i的选择 | 第40-42页 |
| 3.3.3 实验结果 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 上下文有关的交通标志检测算法 | 第45-56页 |
| 4.1 空间上下文信息引入 | 第45-49页 |
| 4.1.1 空间上下文信息引入的理论基础 | 第45-46页 |
| 4.1.2 评价函数设计 | 第46-48页 |
| 4.1.3 实验结果 | 第48-49页 |
| 4.2 时间结合空间上下文信息引入 | 第49-55页 |
| 4.2.1 时间结合空间上下文信息的理论基础 | 第49-50页 |
| 4.2.2 评价函数设计 | 第50-51页 |
| 4.2.3 CMCAD算法 | 第51-53页 |
| 4.2.4 实验结果 | 第53-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第5章 实验结果 | 第56-67页 |
| 5.1 实验环境 | 第56-57页 |
| 5.2 算法参数选择实验 | 第57-62页 |
| 5.2.1 Cascade-Adaboost逐层阂值选择 | 第57-58页 |
| 5.2.2 引入空间上下文信息参数选择 | 第58-60页 |
| 5.2.3 引入时间结合空间上下文信息参数选择 | 第60-62页 |
| 5.3 分类别实验结果 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结及展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |
