基于计算机视觉的交通标志识别算法的研究与实现
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·交通标志识别的目的和意义 | 第11-12页 |
| ·国内外研究现状和进展 | 第12-15页 |
| ·国外研究现状及进展 | 第12-14页 |
| ·国内研究现状及进展 | 第14-15页 |
| ·目前存在的技术难点 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·研究内容 | 第16页 |
| ·本文的组织结构 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第2章 交通标志识别概述 | 第19-27页 |
| ·交通标志的含义与分类 | 第19-21页 |
| ·交通标志的设计特点 | 第21-22页 |
| ·识别算法总体描述 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 交通标志的检测 | 第27-43页 |
| ·检测算法概述 | 第27-29页 |
| ·基于颜色的检测算法 | 第27-28页 |
| ·基于形状的检测算法 | 第28-29页 |
| ·基于RGB和HSI相结合的颜色检测 | 第29-34页 |
| ·算法的基本原理 | 第29-31页 |
| ·算法的实现流程 | 第31-34页 |
| ·基于角点和边缘拟合的形状检测 | 第34-41页 |
| ·角点检测理论 | 第34-35页 |
| ·基于角点的多边形检测 | 第35-39页 |
| ·圆形拟合的数学表述 | 第39-40页 |
| ·基于边缘拟合的圆形检测 | 第40-41页 |
| ·实验结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 交通标志的分类 | 第43-61页 |
| ·分类算法概述 | 第43-47页 |
| ·特征提取算法 | 第43-44页 |
| ·机器学习算法 | 第44-45页 |
| ·基于SVM的多分类器 | 第45-47页 |
| ·基于支持向量超球体的二叉树SVM多分类器 | 第47-54页 |
| ·SVM的基本原理 | 第47-50页 |
| ·基于二叉树的SVM多分类器算法原理 | 第50-51页 |
| ·基于支持向量超球体的二叉树的结构设计 | 第51-54页 |
| ·性能分析 | 第54-58页 |
| ·利用SVSS法构造的二叉树结构的性能优势 | 第54-55页 |
| ·二叉树结构多分类器的性能优势 | 第55-58页 |
| ·实验结果分析 | 第58-60页 |
| ·样本来源 | 第58页 |
| ·分类结果显示 | 第58-59页 |
| ·算法评估数据 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 交通标志的跟踪 | 第61-69页 |
| ·跟踪算法概述 | 第61页 |
| ·基于Lucas-Kanade的交通标志跟踪 | 第61-64页 |
| ·Lucas-Kanade的基本原理 | 第62页 |
| ·算法实现 | 第62-64页 |
| ·多帧融合 | 第64-65页 |
| ·实验结果分析 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| ·本文的工作 | 第69页 |
| ·未来的工作及展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77页 |
