基于视频图像识别的村镇智能交通灯设计
| 中文摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 引言 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 智能交通灯研究现状分析 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 图像识别研究现状 | 第12-16页 |
| 1.3 论文研究内容与章节安排 | 第16-18页 |
| 2 智能交通灯总体方案设计 | 第18-22页 |
| 2.1 需求分析 | 第18-19页 |
| 2.1.1 需求分析 | 第18-19页 |
| 2.1.2 可行性分析 | 第19页 |
| 2.2 智能交通灯总体方案设计 | 第19-21页 |
| 2.2.1 车辆图像识别模块 | 第20页 |
| 2.2.2 无线传输模块 | 第20-21页 |
| 2.2.3 显示模块 | 第21页 |
| 2.2.4 动态配时模块 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 车辆图像识别模块的构建 | 第22-41页 |
| 3.1 卷积神经网络分析 | 第22-25页 |
| 3.1.1 区域卷积神经网络 | 第22-24页 |
| 3.1.2 金字塔池化网络 | 第24页 |
| 3.1.3 快速区域卷积神经网络 | 第24-25页 |
| 3.2 车辆识别模型关键技术 | 第25-32页 |
| 3.2.1 激励函数的选择 | 第25-27页 |
| 3.2.2 区域建议网络 | 第27-30页 |
| 3.2.3 Softmax分类器 | 第30-31页 |
| 3.2.4 反向传播算法 | 第31-32页 |
| 3.3 模型结构 | 第32-34页 |
| 3.4 车辆图像识别模型的训练 | 第34-38页 |
| 3.4.1 制作车辆数据库 | 第34-35页 |
| 3.4.2 车辆图像及样本预处理 | 第35-36页 |
| 3.4.3 训练模型 | 第36-37页 |
| 3.4.4 训练结果分析 | 第37-38页 |
| 3.5 车辆识别结果分析 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 4 LoRa无线传输模块的构建 | 第41-48页 |
| 4.1 基于LoRa的无线传输模块 | 第41-46页 |
| 4.1.1 无线工作模式 | 第41-44页 |
| 4.1.2 智能交通灯通信协议 | 第44-46页 |
| 4.2 传输模块测试与分析 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 村镇智能交通灯实现 | 第48-56页 |
| 5.1 智能交通灯动态配时模块的构建 | 第48-51页 |
| 5.1.1 固定的交通灯配时 | 第48-49页 |
| 5.1.2 交通灯动态配时算法 | 第49-51页 |
| 5.2 仿真模拟 | 第51-52页 |
| 5.3 实际应用测试 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表论文与参加的项目 | 第65页 |
