摘要：自动辅助驾驶已经开始在高端汽车应用，今后，智能汽车将成为汽车的发展趋势。无论是自动辅助驾驶还是智能汽车技术，交通标志识别都是它们的重要基础。基于搜索技术的交通标志识别软件的实现分为两步：第一步是提取交通标志图像的特征并使用BOW方法对提取的多种特征进行拼接用作交通标志的特征向量；第二步是交通标志的识别，分别采用标签传播的方法和卷积神经网络的方法在德国标准数据集(GTSRB)上完成交通标志图像的训练和测试，实验效果优于大多数传统的交通标志识别性能。

关键词：智能交通系统；标签传播的方法；搜索技术；交通标志识别；特征向量

目录

摘要

Abstract

1 引言-1

1.1 研究背景与意义-1

1.2 国内外研究现状-1

1.3 研究成果-2

1.4 实验环境及数据-2

2 相关理论知识-4

2.1 图像是通过何种方式存储在计算机中的-4

2.2 获取图像特征向量方法的简单介绍-4

2.2.1 基于颜色特征向量提取-4

2.2.2 基于形状特征向量提取-6

2.2.3 基于纹理特征向量提取-6

3 基于TagProp的交通标志识别-7

3.1 TagProp的观点-7

3.1.1加权最近邻居标签-7

3.1.2 基于距离的权重-8

3.2 基于BOW特征的交通标志检索-9

3.2.1 BOW模型应用于图形表示的原理-9

3.2.2 BOW模型特征用TagProp模型训练-9

3.3 研究过程及研究结果-9

3.3.1 TagProp参数及代表含义-10

3.3.2 研究数据集-10

3.3.3 实验结果-11

4 基于卷积神经网络的交通标志识别-13

4.1 卷积神经网络-13

4.2 卷积层-13

4.3 池化层-15

4.4 将卷积神经网络用于交通标志识别的方法-17

4.4.1 设计分析-17

4.4.2 参数设置-17

4.5 研究过程及研究结果-18

4.5.1数据处理-18

4.5.2 内部参数设置-19

4.5.3 研究结论-19

结  论-20

参考文献-21

致  谢-22