AI 助理
备案控制台

智慧交通

首页 标签 智慧交通
# 智慧交通 #
关注
416内容
最新 热门 文章 问答 视频 电子书
LiBiGo
|
博文
智慧交通day02-车流量检测实现08：目标跟踪中的数据关联(将检测框bbox与卡尔曼滤波器的跟踪框进行关联匹配)
智慧交通day02-车流量检测实现08：目标跟踪中的数据关联(将检测框bbox与卡尔曼滤波器的跟踪框进行关联匹配)
# 计算机视觉 # 智慧交通
LiBiGo
|
博文
智慧交通day02-车流量检测实现10：多目标追踪实现
该方法实现了SORT算法，输入是当前帧中所有物体的检测框的集合，包括目标的score，输出是当前帧标的跟踪框集合，包括目标的跟踪的id要求是即使检测框为空，也必须对每一帧调用此方法，返回一个类似的输出数组，最后一列是目标对像的id。
# 算法 # 计算机视觉 # 智慧交通
LiBiGo
|
博文
|
来自： ModelScope模型即服务
智慧交通day02-车流量检测实现11：yoloV3模型
YOLOv3是YOLO (You Only Look Once)系列目标检测算法中的第三版，相比之前的算法，尤其是针对小目标，精度有显著提升。
# 算法 # 固态存储 # 数据挖掘 # 计算机视觉 # 智慧交通
LiBiGo
|
博文
智慧交通day03-车道线检测实现01：车道线检测概述
汽车的日益普及在给人们带来极大便利的同时，也导致了拥堵的交通路况，以及更为频发的交通事故。而自动驾驶技术的出现可以有效的缓解了此类问题，减少交通事故，提升出行效率。
# 自动驾驶 # 智慧交通
LiBiGo
|
博文
智慧交通day03-车道线检测实现02-1：相机校正
我们所处的世界是三维的，而照片是二维的，我们可以把相机认为是一个函数，输入量是一个场景，输出量是一幅灰度图。这个从三维到二维的过程的函数是不可逆的。
# 传感器 # 算法 # 智慧交通
LiBiGo
|
博文
智慧交通day03-车道线检测实现03：相机校正和图像校正的实现
标定的图片需要使用棋盘格数据在不同位置、不同角度、不同姿态下拍摄的图片，最少需要3张，当然多多益善，通常是10-20张。该项目中我们使用了20张图片
# 算法 # API # 计算机视觉 # 智慧交通
LiBiGo
|
博文
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。
# 算法 # 智慧交通 # 计算机视觉
LiBiGo
|
博文
智慧交通day03-车道线检测实现08： 在离线视频(非实时)中检测车道线+代码实现
在前面几节中一步步完成摄像机标定、图像畸变校正、透视变换、提取车道线、检测车道线、计算曲率和偏离距离后，在图像上实现了复杂环境下的车道线检测算法。现在我们将视频转化为图片，然后一帧帧地对视频数据进行处理
# 算法 # 智慧交通
LiBiGo
|
博文
智慧交通day04-特定目标车辆追踪02：Siamese网络+单样本学习
Siamese network就是“连体的神经网络”，神经网络的“连体”是通过共享权值来实现的，如下图所示。共享权值意味着两边的网络权重矩阵一模一样，甚至可以是同一个网络。
# 机器学习/深度学习 # 算法 # 智慧交通
LiBiGo
|
博文
智慧交通day04-特定目标车辆追踪03：siamese在目标跟踪中的应用-SiamFC(2016)
SiamFC采用了全卷积式的Siamese网络实现目标跟踪，其网络结构如下图所示，具有两个权值共享的分支。其中，z为127×127的模板图像相当于要追踪的目标，x为255×255的搜索图像，我们要完成的就是在x中找到z的位置。
# 图像搜索 # 机器学习/深度学习 # Web App开发 # BI # 计算机视觉 # 智慧交通
免费试用