基于改进DPM算法的交通信号灯识别
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的研究背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 智能驾驶汽车研究现状 | 第11-13页 |
| 1.2.2 目标检测的研究历史及研究现状 | 第13-16页 |
| 1.2.3 交通信号灯识别的研究现状 | 第16页 |
| 1.3 主要研究 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 目标区域搜索处理 | 第18-23页 |
| 2.1 交通信号灯检测流程 | 第18-19页 |
| 2.2 目标区域搜索优化 | 第19-23页 |
| 2.2.1 EdgeBoxes算法理论 | 第19-21页 |
| 2.2.2 BING算法理论 | 第21-22页 |
| 2.2.3 目标区域搜索算法的评判及选择 | 第22-23页 |
| 第三章 关于DPM算法的加速优化改进 | 第23-37页 |
| 3.1 HOG算法理论 | 第23-28页 |
| 3.1.1 梯度计算方法 | 第25-27页 |
| 3.1.2 块的直方图归一化 | 第27-28页 |
| 3.2 DPM算法理论 | 第28-32页 |
| 3.2.1 星型模型 | 第29-31页 |
| 3.2.2 混合模型 | 第31-32页 |
| 3.3 DPM算法的加速优化改进 | 第32-37页 |
| 3.3.1 图像金字塔定位优化 | 第32-35页 |
| 3.3.2 基于假设精简的DPM优化 | 第35-37页 |
| 第四章 模型训练及特征分类处理 | 第37-41页 |
| 4.1 MI-SVM算法理论 | 第37-38页 |
| 4.2 LatentSVM算法理论 | 第38-39页 |
| 4.3 模型参数训练 | 第39-41页 |
| 第五章 实验结果与分析 | 第41-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得科研成果 | 第56-57页 |
| 致谢 | 第57页 |
