智慧交通

首页 标签 智慧交通
# 智慧交通 #
关注
426内容
智慧交通day02-车流量检测实现12:基于yoloV3的目标检测
在这里我们进行的目标检测是基于OPenCV的利用yoloV3进行目标检测,不涉及yoloV3的模型结构、理论及训练过程,只是利用训练好的模型进行目标检测
智慧交通day03-车道线检测实现04:车道线提取原理+代码实现+效果图
在车道线检测中,我们使用的是HSL颜色空间,其中H表示色相,即颜色,S表示饱和度,即颜色的纯度,L表示颜色的明亮程度。
智慧交通day03-车道线检测实现06:车道线定位及拟合+代码实现
我们根据前面检测出的车道线信息,利用直方图和滑动窗口的方法,精确定位车道线,并进行拟合。
阿里云城市大脑最新实践 衢州公交通行效率提高14%
11月20日,衢州市人民政府发布了“城市大脑”的最近实践成果——当地1路和103路公交路线的27个路口实现了公交信号优先,其中103路公交车通行效率提高了14%。
案例解析 | 杭州湾跨海大桥视频上云,夯实智慧高速“云基建”
杭州湾跨海大桥“新基建”智慧高速项目通过全量视频上云、视频监测全联网、全覆盖与智能化,实现高速公路异常事件自动检测、路况自动识别、智能监控的目的,满足大桥路网高效运行、及时处置突发事件和为广大群众提供优质出行服务等需求,同时强化大桥的安全运营管理,夯实智慧高速“云基建”。
袁清茂:数据互联 打造山西交控智慧交通新动能 | 阿里CIO学院名人堂
数字化产生的影响比我们想象的更快更深入。数字化转型已经不是要不要的问题,而是抓紧时间建,如何建的问题。
实时复制真实世界,51World在云上构建数字孪生
近日,阿里云联合英伟达与英迈中国,在北京举办视觉计算私享会。51world前瞻事业部总经理黎晓迎先生在会上分享了《数字孪生如何为产业带来革命性改变》。
智慧交通day04-特定目标车辆追踪01:总览概述
通过对目标外观模型进行建模, 然后在之后的帧中找到目标. 例如, 区域匹配、特征点跟踪、基于主动轮廓的跟踪算法、光流法等. 最常用的是特征匹配法, 首先提取目标特征, 然后在后续的帧中找到最相似的特征进行目标定位, 常用的特征有: SIFT特征、SURF特征、Harris角点等.
智慧交通day04-特定目标车辆追踪03:siamese在目标跟踪中的应用-SiamRPN(2017)
Siam-RPN提出了一种基于RPN的孪生网络结构,由孪生子网络和RPN网络组成,前者用来提取特征,后者用来产生候选区域。其中,RPN子网络由两个分支组成,一个是用来区分目标和背景的分类分支,另外一个是微调候选区域的回归分支,使整个网络实现了端到端的训练。
数智洞察 | 建设海陆空数字孪生,打造智慧交通“最强大脑”
编者按: 交通作为联通城市的血脉是智慧城市的重要一环,如何缓解交通拥堵,合理分配城市交通运力,智慧交通就是答案。智慧交通能有效地解决道路通行问题,发挥城市最大交通效能,凭借智慧管理平台给居民提供高效安全的出行服务,在技术领域为市民提供便利的出行体验。 全文约4437字,建议阅读时间14分钟。
免费试用