1. 研究目的与意义（文献综述）

随着现代社会经济的高速发展，汽车从原来的奢侈品成为了现代人们寻常的代步工具。日渐发达的现代道路交通，虽然带来了不错的经济发展，却也产生了诸多问题。其中最主要的就是道路交通安全，根据官方的数据统计，近年来我国每年发生的交通事故数目高达几十万起，死亡人数近10万人，直接或间接造成的经济损失不计其数，更别提对被害人家属的身心伤害。所以“智能交通系统（intelligent transportation system 简称its）”应运而生，并迅速发展。its是将先进的科学技术有效的综合运用于交通运输服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。

图像处理技术是其中一个重要的模块，目前已经成为该领域的热门研究技术，应用前景良好。交通标志识别系统包含了道路中丰富的信息：不同的交通标志图片、警示文字，他们具有的不同颜色和形状。例如《道路交通标志和标线》（gb5768-1999）规定警告标志为三角形黑框黄底图样；禁令标志为圆形红框白底图样。交通标志识别系统（traffic sign cognition system）致力于解决在行驶过程中检测交通标志，从而提醒驾驶员按照指示行驶，减少因注意力不集中而产生的交通事故，提高交通安全。

2. 研究的基本内容与方案

基本内容：研究基于卷积神经网络的交通标志识别与分类

目标：基于神经网络的交通标示识别与分类系统：

a) 交通标示检测：特征提取（边缘、颜色、形状）

3. 研究计划与安排

7 学期第20周 确定毕业设计题目、毕业设计任务书(相关参数)、校内资料收集

8 学期第1周 方案构思、文献检索

8学期第2-3周 资料再收集、完成开题报告

4. 参考文献（12篇以上）

[1] 陈先昌. 基于卷积神经网络的深度学习算法与应用研究[d].浙江工商大学,2014.

[2] 许可. 卷积神经网络在图像识别上的应用的研究[d].浙江大学,2012.

[3] 卢宏涛,张秦川. 深度卷积神经网络在计算机视觉中的应用研究综述[j]. 数据采集与处理,2016,(01):1-17