基于手机平台的交通信号灯识别算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 交通信号灯识别方法的概述 | 第12-14页 |
| 1.4 本文的主要工作 | 第14-17页 |
| 1.4.1 本文的主要研究内容 | 第14-16页 |
| 1.4.2 本文的组织结构 | 第16-17页 |
| 第2章 交通信号灯候选区域提取 | 第17-30页 |
| 2.1 图像预处理 | 第18-23页 |
| 2.1.1 颜色像素提取预处理 | 第18-21页 |
| 2.1.2 亮区域提取预处理 | 第21-23页 |
| 2.2 颜色候选区域提取 | 第23-27页 |
| 2.2.1 椭球体几何阈值模型 | 第23-26页 |
| 2.2.2 YUV空间像素点颜色判断 | 第26-27页 |
| 2.3 交通信号灯单灯候选区域生成 | 第27-28页 |
| 2.4 交通信号灯灯板区域生成 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 交通信号灯的识别 | 第30-42页 |
| 3.1 ELM分类器 | 第31-37页 |
| 3.1.1 基本模型 | 第32-33页 |
| 3.1.2 ELM算法 | 第33-37页 |
| 3.2 ELM分类器的离线训练 | 第37-40页 |
| 3.2.1 训练样本的选取 | 第37页 |
| 3.2.2 训练样本的处理 | 第37-40页 |
| 3.2.3 分类器设计 | 第40页 |
| 3.3 识别过程与结果 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 多帧信息融合识别 | 第42-47页 |
| 4.1 交通信号灯跟踪 | 第42-44页 |
| 4.2 交通信号灯的状态和类型估计 | 第44-46页 |
| 4.2.1 交通信号灯的状态估计 | 第44-46页 |
| 4.2.2 交通信号灯的类型估计 | 第46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 实验结果与分析 | 第47-53页 |
| 5.1 算法的流程 | 第47-48页 |
| 5.2 实验数据 | 第48页 |
| 5.3 实验结果分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-56页 |
| 6.1 本文的主要工作总结 | 第53-54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
