计算机视觉实战项目4（单目测距与测速+摔倒检测+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A_路径规划+行人车辆计数+动物识别等）-1

基于YOLOv5的无人机视频检测与计数系统

摘要：

无人机技术的快速发展和广泛应用给社会带来了巨大的便利，但也带来了一系列的安全隐患。为了实现对无人机的有效管理和监控，本文提出了一种基于YOLOv5的无人机视频检测与计数系统。该系统通过使用YOLOv5目标检测算法，能够准确地检测无人机，并实时计数其数量，提供给用户可视化的监控界面。

原文链接：https://blog.csdn.net/ALiLiLiYa/article/details/135515699

## 车辆跟踪+测距+测速

• 该项目一个基于深度学习和目标跟踪算法的项目，主要用于实现视频中的目标检测和跟踪。
• 该项目使用了 YOLOv5目标检测算法和 DeepSORT

目标跟踪算法，以及一些辅助工具和库，可以帮助用户快速地在本地或者云端上实现视频目标检测和跟踪！

教程博客_传送门链接------->单目测距和跟踪

yolov5 deepsort 行人/车辆（检测 +计数+跟踪+测距+测速）

• 实现了局域的出/入 分别计数。
• 显示检测类别，ID数量。
• 默认是 南/北 方向检测，若要检测不同位置和方向，需要加以修改
• 可在 count_car/traffic.py 点击运行
• 默认检测类别：行人、自行车、小汽车、摩托车、公交车、卡车、船。
• 检测类别可在 objdetector.py 文件修改。

原文链接：https://blog.csdn.net/ALiLiLiYa/article/details/131819630

目标跟踪

• YOLOv5是一种流行的目标检测算法，它是YOLO系列算法的最新版本。
• YOLOv5采用了一种新的架构，可以在保持高准确性的同时提高检测速度。
• 在本文中，我们将介绍如何使用YOLOv5_deepsort算法来进行船舶跟踪和测距。

教程博客_传送门链接------->目标跟踪

车道线识别

• 本文主要讲述项目集成：从车道线识别、测距、到追踪，集各种流行模型于一体！
• 不讲原理，直接上干货！
• 把下文环境配置学会，受益终生！
• 各大项目皆适用
  

教程博客_传送门链接------->车道线识别+目标检测

看下本项目的效果：

语义分割

• MMsegmentation是一个基于PyTorch的图像分割工具库，
• 它提供了多种分割算法的实现，包括语义分割、实例分割、轮廓分割等。
• MMsegmentation的目标是提供一个易于使用、高效、灵活且可扩展的平台，以便开发者可以轻松地使用最先进的分割算法进行研究和开发

教程博客_传送门链接------->语义分割

姿态识别

• 人体姿态估计是计算机视觉中的一项重要任务
• 具有各种应用，例如动作识别、人机交互和监控。
• 近年来，基于深度学习的方法在人体姿态估计方面取得了显著的性能。
• 其中最流行的深度学习方法之一是YOLOv7姿态估计模型

程博客_传送门链接------->：姿态识别https://blog.csdn.net/ALiLiLiYa/article/details/129482358

图像分类

• 在本教程中，您将学习如何使用迁移学习训练卷积神经网络以进行图像分类。您可以在 cs231n 上阅读有关迁移学习的更多信息。
• 本文主要目的是教会你如何自己搭建分类模型，耐心看完，相信会有很大收获。废话不多说，直切主题…
• 首先们要知道深度学习大都包含了下面几个方面：

1.加载（处理）数据

2.网络搭建

3.损失函数（模型优化）

4 模型训练和保存

• 把握好这些主要内容和流程，基本上对分类模型就大致有了个概念。

**教程博客_传送门链接--------->:图像分类

交通标志识别

1. 本项目是一个基于 OpenCV 的交通标志检测和分类系统
2. 可以在视频中实时检测和分类交通标志。检测阶段使用图像处理技术，
3. 在每个视频帧上创建轮廓并找出其中的所有椭圆或圆形。它们被标记为交通标志的候选项。

教程博客_传送门链接------->交通标志识别

表情识别、人脸识别

• 面部情绪识别（FER）是指根据面部表情识别和分类人类情绪的过程。
• 通过分析面部特征和模式，机器可以对一个人的情绪状态作出有根据的推断。
• 这个面部识别的子领域高度跨学科，涉及计算机视觉、机器学习和心理学等领域的知识。

教程博客_传送门链接------->表情识别

疲劳检测

• 瞌睡经常发生在汽车行驶的过程中
• 该行为害人害己，如果有一套能识别瞌睡的系统，那么无疑该系统意义重大！

教程博客_传送门链接------->疲劳检测

车牌识别

• 用python3+opencv3做的中国车牌识别
• 包括算法和客户端界面，只有2个文件，一个是界面代码，一个是算法代码
• 点击即可出结果，方便易用！

链接：车牌识别

大致的UI界面如下，点击输入图片，右侧即可出现结果！

代码

额外说明：算法代码只有500行，测试中发现，车牌定位算法的参数受图像分辨率、色偏、车距影响。

--->qq 1309399183----------<代码交流
  def from_pic(self):
    self.thread_run = False
    self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg")])
    if self.pic_path:
      img_bgr = predict.imreadex(self.pic_path)
      self.imgtk = self.get_imgtk(img_bgr)
      self.image_ctl.configure(image=self.imgtk)
      resize_rates = (1, 0.9, 0.8, 0.7, 0.6, 0.5, 0.4)
      for resize_rate in resize_rates:
        print("resize_rate:", resize_rate)
        r, roi, color = self.predictor.predict(img_bgr, resize_rate)
        if r:
          break
      #r, roi, color = self.predictor.predict(img_bgr, 1)
      self.show_roi(r, roi, color)

计算机视觉实战项目4（单目测距与测速+摔倒检测+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A_路径规划+行人车辆计数+动物识别等）-2

https://developer.aliyun.com/article/1446537?spm=a2c6h.13148508.setting.15.68a34f0e3ZrSNI