| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 交通标志识别的基本流程与关键技术 | 第13-14页 |
| 1.4 本文的主要内容和安排 | 第14-16页 |
| 2 大类别集交通标志识别算法设计 | 第16-26页 |
| 2.1 交通标志的特点分析 | 第16-18页 |
| 2.2 交通标志识别的难点分析 | 第18-19页 |
| 2.3 GTSRB数据库介绍 | 第19-21页 |
| 2.4 现有交通标志识别算法优缺点分析 | 第21-23页 |
| 2.5 本文算法的整体结构与基本思路 | 第23-25页 |
| 2.6 小结 | 第25-26页 |
| 3 基于彩色多通道HOG特征和SVM的交通标志粗分类 | 第26-42页 |
| 3.1 预处理 | 第26-27页 |
| 3.2 交通标志的彩色多通道HOG特征提取 | 第27-31页 |
| 3.2.1 梯度方向直方图特征 | 第27-29页 |
| 3.2.2 交通标志的彩色多通道HOG特征提取 | 第29-31页 |
| 3.3 基于支持向量机的粗分类 | 第31-35页 |
| 3.4 实验结果与分析 | 第35-40页 |
| 3.4.1 软硬件环境介绍 | 第36-37页 |
| 3.4.2 彩色多通道HOG特征参数设置 | 第37-38页 |
| 3.4.3 支持向量机核函数的选择 | 第38页 |
| 3.4.4 颜色模型的选择 | 第38-39页 |
| 3.4.5 实验结果分析 | 第39-40页 |
| 3.5 小结 | 第40-42页 |
| 4 基于多特征与多分类器融合的交通标志细分类 | 第42-63页 |
| 4.1 预处理 | 第42-45页 |
| 4.1.1 灰度归一化 | 第42-43页 |
| 4.1.2 警告标志倾斜校正 | 第43-44页 |
| 4.1.3 禁令标志ROI分割 | 第44-45页 |
| 4.2 交通标志的多特征提取 | 第45-55页 |
| 4.2.1 LBP特征提取 | 第45-49页 |
| 4.2.2 dense-SIFT 特征提取 | 第49-51页 |
| 4.2.3 Gabor小波特征提取 | 第51-54页 |
| 4.2.4 多特征融合 | 第54-55页 |
| 4.3 基于多分类器融合的细分类 | 第55-58页 |
| 4.3.1 随机森林基本原理 | 第55-57页 |
| 4.3.2 分类器融合 | 第57-58页 |
| 4.4 实验结果与分析 | 第58-62页 |
| 4.4.1 单一特征与多特征的分类性能对比 | 第58-60页 |
| 4.4.2 单一分类器与多分类器的分类性能对比 | 第60页 |
| 4.4.3 实验结果分析与对比 | 第60-62页 |
| 4.5 小结 | 第62-63页 |
| 5 总结和展望 | 第63-65页 |
| 5.1 本文总结 | 第63页 |
| 5.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |