基于计算机视觉的交通信号灯检测与识别的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景 | 第11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.3 国内外研究现状与研究难题 | 第12-14页 |
| 1.3.1 国内外研究现状 | 第12-13页 |
| 1.3.2 交通信号灯识别研究的难题 | 第13-14页 |
| 1.4 主要研究内容与安排 | 第14-17页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 本文安排 | 第15-17页 |
| 第2章 系统的理论基础 | 第17-25页 |
| 2.1 交通信号灯的基础知识 | 第17-18页 |
| 2.2 关于交通信号灯彩色空间的分析 | 第18-22页 |
| 2.3 确定信号灯候选区域的方法 | 第22-24页 |
| 2.3.1 基于亮度信息滤波的方法 | 第22-23页 |
| 2.3.2 基于黑色背板信息的方法 | 第23-24页 |
| 2.4 交通信号灯检测与识别系统框架 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 交通信号灯的检测 | 第25-37页 |
| 3.1 信号灯感兴趣区域的设置 | 第25-26页 |
| 3.2 图像预处理 | 第26-27页 |
| 3.2.1 彩色图像灰度化 | 第26页 |
| 3.2.2 直方图均衡化 | 第26-27页 |
| 3.3 黑色背板区域的定位 | 第27-32页 |
| 3.3.1 图像二值化 | 第27-28页 |
| 3.3.2 二值图像的处理 | 第28-32页 |
| 3.4 信号灯的定位 | 第32-35页 |
| 3.4.1 颜色分割 | 第32-34页 |
| 3.4.2 颜色区域处理 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 交通信号灯的识别和跟踪 | 第37-57页 |
| 4.1 预处理 | 第37-38页 |
| 4.2 Canny边缘提取 | 第38-40页 |
| 4.3 特征提取 | 第40-43页 |
| 4.3.1 Hu不变矩 | 第40-42页 |
| 4.3.2 改进Hu不变矩特征提取 | 第42-43页 |
| 4.4 信号灯的分类识别 | 第43-46页 |
| 4.4.1 建立特征样本库 | 第44-45页 |
| 4.4.2 相似度计算 | 第45页 |
| 4.4.3 模板匹配 | 第45-46页 |
| 4.5 信号灯几何模型验证 | 第46-52页 |
| 4.5.1 圆形信号灯 | 第46-47页 |
| 4.5.2 箭头型信号灯 | 第47-50页 |
| 4.5.3 掉头型信号灯 | 第50-52页 |
| 4.6 信号灯区域跟踪 | 第52-55页 |
| 4.6.1 Camshift跟踪算法 | 第52-53页 |
| 4.6.2 系统跟踪算法的改进 | 第53-55页 |
| 4.7 本章小结 | 第55-57页 |
| 第5章 系统设计与实验分析 | 第57-65页 |
| 5.1 系统功能 | 第57页 |
| 5.2 系统框架 | 第57-58页 |
| 5.3 实验环境介绍 | 第58页 |
| 5.4 性能评价指标 | 第58-59页 |
| 5.5 实验结果分析 | 第59-63页 |
| 5.5.1 检测结果与分析 | 第59-62页 |
| 5.5.2 识别结果与分析 | 第62-63页 |
| 5.6 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-69页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 未来工作展望 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
