- 综合排序
- 最热优先
- 最新优先
- 来自专栏大大的小数据
行车数据分析2020.11.11
2、上午上班8点27停车，中午12点30回到家，下午2点31上班，晚上6点52回到家。 3、晚上回家受下班不匆忙和下班晚高峰影响，回到家时间相对不集中。 7、 8、下午上班停车时间波峰尾，2点36，应该提早10分钟。 9、 10、每天开车时间（时分）折线图。 11、上午上班时间8点02分，应该提前到7点55分出发。 下午上班时间2点12分，应该提前到2点00出发。 12、 13、把时间分段，区分出上午上班、上午下班、下午上班、下午下班。 14、计算每段行程时间。 15、非上下班路程，行程时间比较均匀。
43300编辑于 2022-09-21 - 来自专栏大数据文摘
自行车赛2.0——大数据如何再造环法自行车赛
自行车赛这些年日子不好过。高科技能否拯救它？ 自行车这个运动正在发生一些非同寻常的变化。著名的环法自行车赛将于这周末开始，历时三周。它，正处于这些变化的核心。 新的环法自行车赛中心的门户网站可以(其制造商保证)接收反馈可靠的GPS数据，使粉丝们可以得到非常精确的答案。 在沿途某个地方，环法公司现代化赛事负责人Christian Prudhomme看起来对环法自行车赛以及数据在塑造其未来中所扮演的角色有深刻的领悟。 作为一名自行车运动的发烧友，为全世界最大最好的自行车赛管理一个野心勃勃的大数据项目，这要么是世界上最好的工作，要么是压力山大乏善可陈的。 相比之下，数据导向的比赛则同时追踪每个人。 Foster说，Dimension Data公司去年还是个数家公司的拼凑品，而今年它提升了数据传输距离，现在成为承接所有数据的唯一枢纽。
82030发布于 2018-05-24 - 来自专栏Creator星球游戏开发社区
开源Cocos全家桶，2D光线追踪！
超级浣熊 Cocos引擎10年老用户，精通Cocos全家桶 Cocos-iPhone Cocos2d-x Cocos2d-html5 Cocos2d-js Cocos Creator 2011年开始写中日英多语言博客 今天给大家介绍一个开源项目：SSRLoS Cocos全家桶SSRLoS 一句话介绍一下这个项目，就是基于 cocos 引擎的 2d 光线追踪，视野范围计算，渲染相关的东西。 该项目支持以下Cocos引擎： Cocos2d-x Cocos2d-js Cocos Creator 1.x Cocos Creator 2.x 截至到现在，这个项目的 80% 精力都是放在了算法的优化在优化上 SSRLoS项目我是从 cocos2dx 开始的，后续新功能的开发应该也会从 cocos2dx 入手，毕竟引擎稳定，我最为熟悉。 而且所有版本都做了 Native Binding，但是因为精力有限，后面的新功能打算暂时只对应 cocos2dx 和 creator v2。
1.1K10发布于 2020-11-25 - 来自专栏互联网数据官iCDO
利用“Google Tag Manager V2”实现滚动追踪
滚动追踪的概念 如果你想收集更多有关访客行为的信息,可以使用“谷歌标签管家第二版”（Google Tag Manager V2）中设置的“滚动追踪”功能，滚动追踪功能是衡量受众如何浏览你所发布的内容以及阅读量的功能 滚动追踪报告会记录你的网站页面中发生的主要行为。 在本文中，我将逐步演示如何使用谷歌标签管家第二版（Google Tag ManagerV2）来“滚动追踪”你的目标网页。 第三步：要使用谷歌标签管家第二版（Google Tag Manager V2）实现滚动追踪，你先要有jQuery Scroll Depth。 你可以在下面找到脚本。 创建第二个数据变量层如下： 数据层名称：eventAction 数据层版本：V2 保存变量。 创建第三个数据变量层如下： 数据层名称：eventLabel 数据层版本：V2 保存变量。 完成调试后，请不要忘记创建一个版本，然后在Google Tag Manager上启动“滚动追踪”功能。 总结 Google Tag Manager版本2与GTM 版本1相比更加简单便捷。
2.4K70发布于 2018-03-05 - 来自专栏嵌入式Linux系统开发
行车记录仪主要方案公司
那么音视频技术应用较多的地方有安防行业、行车记录仪、运动相机等。今天就给大家介绍一下，行车记录仪主要的方案提供商。 但记录仪市场对这种大鳄来说太小了，前期投入力度不大，在经历了14年行车记录大暴发之后，现在正发力行车记录仪市场。 2、联咏(Novatek)，台湾第二大IC设计公司，实力雄厚，台湾的产品特点就是价格比较低，顶尖技术的东西往往没有，但成熟技术的可以做得很漂亮，价格也平易近人。 在2014年中，为了弥补自己在前后双路行车记录仪方案便的不足，先后推出了NT96655 NT96660 NT96663主控芯片，目前推出单芯片主控内置DDR更有竞争优势的NT96658行车记录仪方案更迅速占领 80%中高的行车记录仪市场,是行车记录仪品牌客户首选的行车记录仪方案。
3.3K30发布于 2021-05-28 - 来自专栏云深之无迹
Dji Mimo APP逆向.1(pocket 2直播模式+物体追踪)
以及人脸追踪？？？ public final int value; private CameraFace(int i) { this.value = i; } } 这个是关于脸部追踪的代码 trackingBox : new TrackingBox(); } public void recycle() { sPool.release(this); } } 绘制一个追踪的盒子 trackingMode); } return trackingMode; } } 追踪模式 package com.dji.tracking; import void a(long j2, long j3, int i2) { } public void a(long j2, long j3, String str, String str2
1.9K20发布于 2021-05-18 - 来自专栏深度学习和计算机视觉
基于Python使用OpenCV进行车牌检测
>from keras.layers.convolutional import Conv2D >from keras.layers.convolutional import MaxPooling2D resize(image, (333, 75)) img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, img_binary = cv2 .threshold(img_gray, 200, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) img_erode = cv2.erode(img_binary , 28, 1), activation='relu')) >model.add(MaxPooling2D(pool_size=(2, 2))) >model.add(Dropout(rate=0.4) 接下来，我们将添加一个窗口大小为（2,2）的最大池层。 最大池是一个基于样本的离散化过程。目标是对输入表示（图像、隐藏层输出矩阵等）进行下采样，降低其维数，并允许对包含在分块子区域中的特征进行假设。
2K20编辑于 2022-02-14 - 来自专栏PyQt5
python3GUI--基于YOLOv8的行车追踪与可视化分析系统 By:PyQt5（详细分享、配套文档）
一．前言本篇将详细地向大家展示我开发的“基于YOLOv8的行车追踪与可视化分析系统”，这个系统包含了目标检测、目标分割、数据可视化等功能，是您学习、应用的不二之选！ 以下是相关软件页面展示：2.主界面用户登录成功后到了软件的主界面，主界面主要按不同的时间粒度进行了统计，最顶部是用户信息部分，支持点击修改密码、退出系统。 6.车辆追踪与统计通过对用户上传上来的视频文件里面运动的物体进行追踪，动态标记出目标物体的轨迹，分析结束后会产生一份分析结果数据，包括：track ID、X坐标、Y坐标、目标物体ID，我们可以将这份数据导出到本地支持 当用户选择“车辆追踪与统计”侧边栏后，能够跳转到车辆轨迹识别页面。 五．总结本次和大家分享了我使用PyQt5开发的一款基于YOLOv8的行车追踪与可视化分析系统，写这篇博客用了一个多小时，因为我的读者的能力水平参差不一，我要照顾到所有水平的读者，本篇写的由浅入深，有简单的基础知识
36710编辑于 2025-07-23 - 来自专栏大大的小数据
采集行车记录GPS轨迹并推送邮件2020.11.13
1、登录行车PGS记录页面。 2、跳转到轨迹页面。 3、把轨迹页面截图。 4、把截图发送到邮箱。
89220编辑于 2022-09-22 - 来自专栏高速公路那点事儿
解决方案 | 雾天行车安全难题多，智能行车安全诱导系统能破局吗？
(2)在夜间系统控制智能诱导边缘标采用适合的亮度和工作同步闪烁频率，提示道路线形，改善行车舒适性；同时，增加对驾驶员生理和心理的有益刺激，预防驾驶疲劳，提高行车安全性； (3)为高速公路运营管理部门提供更丰富的实时道路交通与环境信息 2.可变限速标志设定限速提示，60km/h。 2.可变限速标志设定限速提示，30km/h。 3.情报板提示“前方进入雾区，谨慎驾驶"雾区限速30km/h"。 三、 防止追尾警示模式 能见度小于300米时，系统进入防止追尾警示模式。 (2)系统控制 软件至少支持对以下五种运行模式的开启和关闭：全自动模式、道路轮廓强化模式、行车主动诱导模式和防追尾警示模式，事故和施工预警模式。 (2)现场控制主机设备 该设备是整个系统的核心设备，是数据汇聚、计算分析、操作控制、通信管理的“大脑”。
52300编辑于 2025-07-03 - 来自专栏全栈程序员必看
眼球追踪
眼球追踪类似于头部追踪，但是图像的呈现取决于使用者眼睛所看的方向。例如，人们可以用“眼神”完成一种镭射枪的瞄准。 眼球追踪技术很受VR专家们密切关注。 在VR设备上的眼球追踪，需要追踪的范围很大。可以无死角覆盖整个VR显示屏幕。 除了追踪范围，另一个关键点在于追踪的精确度和实时性。在VR设备的使用过程中，常常造成VR设备与头部的位移变化。 （该描述来自苹果2012年9月提交的专利申请） ==>詳細內容 2. ==>詳細內容 ==>詳細內容(2) 3. 注视点渲染究竟是怎么回事？ 什么叫做注视点渲染技术，其实就是眼球追踪技术。这一类技术是目前行业内比较认可的，能够解决 VR 多项瓶颈问题。 目前，大家对于对于 VR 的印象几乎都是：体验不错，但是画面不是太清晰，才到 2K，而且有时候能清晰的看到眼前的像素点，这些问题在 Oculus、HTC Vive 上同样存在。
1.6K30编辑于 2022-09-20 - 来自专栏数据科学和人工智能
数据集 | 自行车租赁数据集
下载数据集请登录爱数科(www.idatascience.cn) 自行车出租计划是主要城市减少污染和碳排放的一种方式，同时鼓励锻炼。 该数据集记录了华盛顿特区的一个自行车出租计划两年来每天每小时的数据。每小时都记录了天气状况，以及临时用户和注册用户租用自行车的数量。 1. 字段描述 2. 数据预览 3.
89710编辑于 2022-03-30 - 来自专栏机器学习AI算法工程
行车环境实时语义分割与深度估计
本项目旨在实现车辆前方行车环境的实时解析。具体通过对行车记录仪的图像、视频数据的语义分割和深度估计实现。要实现的目标如下图所示： ? 2. 模型 本项目在实现行车环境场景语义分割和深度估计实时解析的过程中，尝试使用了不同的模型，有复现文献中提出的网络框架TRL、也有在语义分割ICNet的基础上增加深度分支，最后自己搭建了一个轻量化的模型。
87920发布于 2019-10-28 - 来自专栏燧机科技-视频AI智能分析
行车作业区域人员闯入检测系统
（平均处置耗时2-4分钟）、复杂环境漏检（粉尘/强光/遮挡导致目标丢失）、误报率高（将“设备阴影”误判为人员）等痛点。 超低照度、IP67防护），按行车作业区域布防： 行车轨道沿线：立杆安装（高度6-8m，俯角30°），覆盖“轨道两侧5m警戒区”，支持ROI动态聚焦（当人员进入警戒区时自动放大跟踪）； 行车驾驶室视角盲区 引入特征金字塔网络（FPN）（实测数据：50m外人员（像素＜32×32）检出率从58%提升至85%）； 多目标重叠分离：基于DeepSORT算法（结合外观特征与运动模型），实测数据：5人重叠场景闯入目标追踪准确率 ，避免与5吨钢卷运输车碰撞； 误报抑制：过滤“行车吊具阴影（无深度信息+速度0m/s）”，单日误报次数从12次降至2次。 当有人员进入行车作业监测范围内可对其自动识别联动语音告警器报警和输出开关量信号联动行车停止工作，也可以对其抓拍并将当时图像传输到管理中心，在管理中心管理软件输出报警弹窗和语音提示。
22110编辑于 2026-01-15 - 来自专栏云深之无迹
眼动追踪中的坐标+追踪原理
目前的追踪方案都是基于CV的，使用红外灯光打亮眼底，使用高帧率的相机来捕获光源在角膜上面的位置。 开源眼动pupil 开源眼动追踪：GazeTracking（上：效果） 开源眼动追踪：GazeTracking（下：实现） 眼动书籍免费看！ EyeLoop基于Python的眼动仪（超棒） 开源眼动 所有注视数据都映射到与活动显示区域对齐的 2D 坐标系中。将眼动仪与监视器一起使用时，活动显示区域是不包括监视器框架的显示区域。 注视点的坐标在用户坐标系中作为 3D 点给出，在活动显示坐标系中作为归一化的 2D 点给出。 凝视矢量 对于基于 HMD 的眼动仪，没有活动显示区域，因此无法计算注视点（如上所述）。 因此，凝视估计值可以被视为 2D 平面中的点（白色圆盘）。因此，它们会产生点的2D分布，这可以通过2D高斯（密度显示为热图）来解释。 打完收工！
2.7K50编辑于 2022-11-29 - 来自专栏全栈程序员必看
怎么提高开车技术_全日行车计划
if (x<=m) change(v*2,l,m,x); else change(v*2+1,m+1,r,x); t[v].mx=max(t[v*2].mx,t[v*2+1]. mx); t[v].mi=min(t[v*2].mi,t[v*2+1].mi); } int getmx(int v,int l,int r,int x,int y) { if (x>y ) return 0; if (l==x&&r==y) return t[v].mx; int m=(l+r)/2; if (y<=m) return getmx(v*2,l,m ) return getmi(v*2+1,m+1,r,x,y); else return min(getmi(v*2,l,m,x,m),getmi(v*2+1,m+1,r,m+1,y)); } =n+1) b[i]=w[p[1].d]; if (p[2].d!=0&&p[2].d!
24020编辑于 2022-09-23 - 来自专栏数控编程社区
如何对不同材质的工件进行车削
车削低合金钢 材料分类：P2.x 低合金钢的可加工性取决于合金含量和热处理（硬度）。对于该组中的所有材料，最常见的磨损机制是月牙洼磨损和后刀面磨损。 2、车削不锈钢 不锈钢可分为铁素体/马氏体、奥氏体和双相钢（奥氏体/铁素体），每种钢都有各自的车削加工建议。 车削奥氏体不锈钢 材料分类：M1.x 和 M2.x 奥氏体不锈钢是最常见的不锈钢类型。该类别还包括超奥氏体不锈钢，即镍含量超过 20% 的不锈钢。 、铸铁车削 铸铁主要有五种类型： 灰铸铁 (GCI) 球墨铸铁 (NCI) 可锻铸铁 (MCI) 蠕墨铸铁 (CGI) 奥氏体球墨铸铁 (ADI) 铸铁是一种铁碳合金，硅含量为 1-3%，碳含量超过 2%
1.3K10编辑于 2024-06-12 - 来自专栏深度学习入门与实践
【深度学习】用PaddlePaddle进行车牌识别（二）
resize(img,size); 11 cv2.imwrite(outputPath + "/" + str(i).zfill(2) + ".jpg", img); 12 (input=conv_pool_2, dropout_rate=0.5) 25 26 # 全连接层 27 fc = paddle.layer.fc(input = drop_2, size drop = paddle.layer.dropout(input = fc,dropout_rate = 0.5) 32 fc2 = paddle.layer.fc(input = fc2_drop (input=conv_pool_2, dropout_rate=0.5) 33 34 fc = paddle.layer.fc(input = drop_2, size = 120 传统的方法需要对图片灰度化，字符进行切分等，需要很多数据预处理的过程，端到端的方法可以直接将原始的图片灌进去进行训练，最后出来预测的车牌字符的结果，这个方法在构建了两层卷积-池化网络结构后，并行训练了7个全连接层来进行车牌的字符识别
1.6K80发布于 2018-04-04 - 来自专栏嵌入式项目开发
Linux小项目-行车记录仪项目设计
前言 行车记录这个设备相信大家应该都不陌生，它的功能主要是记录车辆行驶途中的影像及声音。 安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据，喜欢自驾游的人，还可以用它来记录征服艰难险阻的过程。 现在横穿马路的行车、摩托车，不交通规则形势的汽车也经常遇到，万一和他们产生了刮碰，有可能会被敲诈勒索，如果有了行车记录仪，司机可为自己提供有效的证据。 这篇文章就介绍在Linux最小系统开发板上如何实现行车记录仪的功能，开发板自带了8G的EMMC，也可以外扩SD卡。 首先，在设计行车记录仪这个项目之前，要先了解清楚行车记录仪的功能。 （1）行车记录运行起来后，需要间隔循环录制视频保存，一般是1~10分钟一段视频，这样设计的原理是方便按时间查找视频，也防止以为情况损坏视频编码， 导致视频无法正常播放。
1.7K30编辑于 2022-05-11 - 来自专栏钱塘小甲子的博客
PyQt利用百度API绘制行车路径
任务不太难，基本要求就是能够在Qt界面上根据车辆的起始经纬度，绘制出实际地图上的行车轨迹。 1.构建Qwebview控件。 ? 首先，我们qt的界面中插入QWebView控件。 2.获取百度API 百度API真心是越来越好了，还记得四五年前，那个时候界面和api说明可没有这么友好。 我们找到需要的绘制路径的demo。 ? map.centerAndZoom(new BMap.Point(116.404, 39.915), 11); var p1 = new BMap.Point(116.301934,39.977552); var p2 driving = new BMap.DrivingRoute(map, {renderOptions:{map: map, autoViewport: true}}); driving.search(p1, p2) map.centerAndZoom(new BMap.Point(116.404, 39.915), 11); 和 var p1 = new BMap.Point(116.301934,39.977552); var p2
2K30发布于 2019-01-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号