交通标志检测与识别算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 交通标志检测算法的研究现状 | 第10-12页 |
| 1.2.2 交通标志识别算法的研究现状 | 第12-13页 |
| 1.3 交通标志检测与识别的难点分析 | 第13-14页 |
| 1.4 主要研究内容 | 第14-16页 |
| 第2章 交通标志检测与识别理论基础 | 第16-32页 |
| 2.1 交通标志概述 | 第16-18页 |
| 2.2 交通标志检测与识别系统框架 | 第18-19页 |
| 2.3 交通标志检测与识别相关原理 | 第19-31页 |
| 2.3.1 颜色空间分析 | 第19-22页 |
| 2.3.2 最大稳定极值区域 | 第22-23页 |
| 2.3.3 梯度方向直方图 | 第23-25页 |
| 2.3.4 支持向量机 | 第25-28页 |
| 2.3.5 卷积神经网络 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 交通标志检测算法的设计 | 第32-47页 |
| 3.1 基于颜色特征的交通标志区域提取 | 第33-36页 |
| 3.1.1 RGB颜色增强法 | 第33-34页 |
| 3.1.2 颜色分类器 | 第34-35页 |
| 3.1.3 小结 | 第35-36页 |
| 3.2 基于形状特征的交通标志候选区域提取 | 第36-39页 |
| 3.2.1 模板匹配 | 第36-37页 |
| 3.2.2 最大稳定极值区域 | 第37-38页 |
| 3.2.3 小结 | 第38-39页 |
| 3.3 交通标志筛选 | 第39-41页 |
| 3.3.1 基于HOG+SVM的标志筛选 | 第39-40页 |
| 3.3.2 基于卷积神经网络的标志筛选 | 第40-41页 |
| 3.4 实验步骤与结果分析 | 第41-46页 |
| 3.4.1 软硬件环境及GTSDB数据集介绍 | 第41-42页 |
| 3.4.2 实验步骤 | 第42-43页 |
| 3.4.3 结果分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 交通标志识别算法的设计 | 第47-57页 |
| 4.1 GTSRB数据集介绍 | 第47-48页 |
| 4.2 基于HOG+SVM的交通标志识别设计 | 第48-50页 |
| 4.2.1 多分类SVM原理 | 第48-49页 |
| 4.2.2 分类器设计 | 第49页 |
| 4.2.3 分类器训练 | 第49-50页 |
| 4.3 交通标志识别网络设计与训练 | 第50-53页 |
| 4.3.1 网络设计 | 第50-51页 |
| 4.3.2 网络训练 | 第51-53页 |
| 4.4 实验与分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
