声明
致谢
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 当前存在的问题
1.4 研究内容与章节安排
2 交通标志检测与识别理论基础
2.1.1 交通标志基础知识
2.1.2 国内外数据集分析
2.2 交通标志检测方法
2.2.1 颜色检测方法
2.2.2 形状检测方法
2.2.3 滑动窗口的检测方法
2.3 交通标志识别方法
2.3.1 模板匹配的识别方法
2.3.2 机器学习的识别方法
2.3.3 深度学习的识别方法
2.4 本文研究路线
2.5 本章小结
3 基于多特征融合的交通标志检测
3.1 交通标志图像预处理
3.1.1 经典增强算法分析
3.1.2 Retinex算法理论
3.1.3 基于SSR算法暗光图像增强
3.2 交通标志图像分割
3.2.1 RGB差值法
3.2.2 SVF分割法
3.2.3 HSV分割法
3.2.4 多空间混合分割法
3.3 基于形状特征的候选区域筛选
3.3.1 形态学处理
3.3.2 几何特征筛选
3.4 基于多特征融合的候选区域识别
3.4.1 局部HOG特征提取
3.4.2 自适应ULBP特征提取
3.4.3 局部HOG特征与自适应ULBP特征融合
3.4.4 SVM分类器
3.4.5 交通标志检测算法完整流程
3.5 本章小结
4 基于轻量级卷积神经网络的交通标志识别
4.1.1 卷积神经网络
4.1.2 反向传播算法
4.2 经典网络模型分析
4.2.1 AlexNet
4.2.2 ResNet
4.2.3 MobileNet
4.3 交通标志识别网络设计
4.3.1 深度可分离卷积
4.3.2 线性瓶颈逆残差结构
4.3.3 焦点损失函数
4.3.4 轻量级交通标志识别网络
4.4 本章小结
5 实验与分析
5.1 软硬件平台
5.2 交通标志数据集
5.2.1 数据标注
5.2.2 数据扩增
5.3.1 数据准备
5.3.2 检测实验
5.4.1 数据准备
5.4.2 识别实验
5.5 交通标志检测与识别系统
5.5.1 系统总体设计
5.5.2 系统功能测试
5.6 本章小结
6 总结与展望
6.1总结
6.2展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学;
中国矿业大学(江苏);