第二章 OpenCV 库介绍与硬件选型

2。1OpenCV 库简介 5

2。2OpenCV 库的使用 5

2。2。1Windows 平台下 OpenCV 库的使用 6

2。2。2Linux 平台下 OpenCV 库的使用 6

2。3  硬件平台的选取 6

2。4  摄像头的选取 7

2。5  小结 8

第三章 BP 神经网络原理

3。1  人工神经网络模型 9

3。2 神经网络结构类型 13

3。3  神经网络设计规则及一般步骤 15

3。4  BP 神经网络的数学推导 16

3。5  小结 20

第四章 系统工作原理及流程

4。1  图像分辨率的选取 21

4。2  图像预处理 21

4。2。1  图像直方图均衡化 21

4。2。2  图像锐化 22

4。2。3  中值滤波 23

4。2。4  颜色空间转换 24

4。3  图像分割 26

4。3。1  交通标志的特征 26

4。3。2  形态学处理 26

4。3。3  连通域的提取 28

4。4  图像分类 29

4。4。1  创建 BP 神经网络 29

4。4。2  训练 BP 神经网络 30

4。4。1  利用 BP 神经网络对图像进行分类 30

4。5  小结 31

第五章 实验测试结果与分析

5。1  Windows 平台测试结果 32

5。2  Linux 平台测试结果与分析 33

5。3  小结 36

结论 37

致谢 38

参考文献 39

第一章 绪论

1。1 研究背景

随着社会经济的发展，人民生活水平不断提高，机动车数量也在不断增加。 据统计，截至 2015 年底，我国机动车保有量为 2。79 亿辆，这表示在我国平均每 100 户家庭就拥有 31 辆私家车。如此庞大的汽车数量给交通系统带来了巨大压 力，最直接的表现就是每年都有大量的交通事故发生。2015 年全年我国交通事 故总数为 1059。7 万起，死亡约 6。8 万人。为了减少交通事故数量，使人们的出 行更加安全，智能交通系统应运而生。

智能交通系统通过获取人与车、车与路、车与车之间的信息，辅助驾驶员做 出正确的驾驶判断。作为智能交通系统的一个部分，路标识别系统也受到了研究 者的重视，并在近几年得到了飞速的发展。交通标志的作用是指示道路信息或发 出警告，帮助驾驶员调整驾驶策略，做出安全合理的驾驶行为。因此该系统需要 通过传感器识别道路交通标志，将识别的结果及时反馈给驾驶员，帮助驾驶员判 断路面交通状况，提高驾驶的安全性。