- 综合排序
- 最热优先
- 最新优先
- 来自专栏贾志刚-OpenCV学堂
轻松学Pytorch –车辆类型与颜色识别
多张车辆属性跟颜色数据集，用于本次训练。 其中命名格式如下： color_type_xxxx.jpg color表示颜色分类，颜色有7个类别 type 表示车辆类型分类，车型只分了4个类别 1color_labels = ["white", " 网络模型结构 之前系列文章中给大家演示了卷积神经网络的基本结构跟VGG的stacked卷积的基本结构，这里使用ResNet的Block结构完成了一个简单神经网络，基于该网络实现了对输入车辆图像的颜色与车辆类型的分类 ，完整的车辆属性识别网络结构如下： 1VehicleAttributesResNet( 2 (cnn_layers): Sequential( 3 (0): Conv2d(3, 32, kernel_size ，实现车辆检测，在把车辆的ROI区域作为输入，使用训练好的模型，实现了车辆属性识别，最终使用一段视频，验证车辆属性识别的模型，实时运行车辆属性识别结果如下： ?
4.3K30发布于 2020-06-29 找出通过车辆最多颜色
题目在一个狭小的路口，每秒只能通过一辆车，假如车辆的颜色只有 3 种，找出 N 秒内经过的最多颜色的车辆数量，三种颜色编号为 0, 1, 2。输入第一行输入的是通过的车辆颜色信息。 比如[0, 1, 1, 2] 代表 4 秒钟通过的车辆颜色分别是 0, 1, 1, 2第二行输入的是统计时间窗，整型，单位为秒。 输出输出指定时间窗内经过的最多颜色的车辆数量输入0 1 2 13输出2说明在[1,2,1]这个 3 秒时间窗内，1 这个颜色出现 2 次，数量最多在[1,2,1]这个 3 秒时间窗内，1 这个颜色出现 具体来说，我们需要找到一个长度为 N 的子序列，使得这个子序列中出现次数最多的颜色的数量最大。解题思路初始化：定义一个哈希表 color_count 来记录每种颜色在当前窗口内的出现次数。 返回结果：最终返回 maxCount，即指定时间窗内经过的最多颜色的车辆数量。
29700编辑于 2025-01-27- 来自专栏燧机科技-视频AI智能分析
车辆逆行识别检测系统
车辆逆行识别检测系统通过opencv+yolo网络深度学习技术，车辆逆行识别检测系统对现场画面中车辆逆向行驶行为进行检测抓拍预警。 若车辆逆行识别检测系统检测到道路上有车辆逆向行驶时，车辆逆行识别检测系统则抓拍预警。 OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序，该程序库也可以使用英特尔公司的IPP进行加速处理。图片我们使用YOLO(你只看一次)算法进行对象检测。
1.4K50编辑于 2023-01-11 winform车辆识别源码（纯算法）
车牌识别，本是图像领域中，非常成熟的一个应用，也是目前无处不在的停车场自动收费设备的技术基础。前言本文将使用c#语言，winform框架开发一个车牌识别系统M=,不借助任何框架，纯算法。 效果使用工具Visual Studio 2019思路打开要识别的车牌对车牌进行去雾操作接着进行灰度化操作灰度均衡化中值滤波sobel边缘检查车牌定位车牌灰度化车牌二值化车牌区域化车辆识别总结该源码对想研究车牌识别的开发还是挺有帮助的
38910编辑于 2024-04-16- 来自专栏燧机科技-视频AI智能分析
车辆轮轴监控识别系统
车辆轮轴监控识别系统根据神经网络图像识别算法与边缘计算加视觉识别技术结合在一起，以保证算法识别的准确性。 车辆轮轴监控识别系统利用前端监控摄像头实时监控视频流上传至系统服务器，车辆轮轴监控识别系统实时读取抓拍图片进行识别与分析。对外输出车辆轮轴数量、车牌或警报信息。 那样，车辆的种类将立即测算轴重，并查询车牌号码这样既避免了有些车主恶意装载货物，还可以拒绝超重和超限额的车辆进到高速路。 车辆轮轴监控识别系统应用最新神经网络算法和云计算来应用已有的监控监控摄像头替代人类的眼睛，并自动识别交通卡口处货车车辆的轮轴数。 车辆轮轴监控识别系统依据输入轮轴识别的数量，限定货车车辆的载重标准和收费标准，以护卫车辆在道路上的安全安全驾驶交通出行高效率。
1.2K20编辑于 2022-10-05 - 来自专栏燧机科技-视频AI智能分析
车辆逆行识别预警系统
车辆逆行识别预警系统通过Python+yolov5网络模型计算机算法技术，车辆逆行识别预警系统对道路来往行驶车辆出现逆行行为及时预警存档。
87630编辑于 2023-02-18 - 来自专栏Python3爬虫100例教程
华为OD机试 找出通过车辆最多颜色
本期题目：找出通过车辆最多颜色 题目 在一个狭小的路口，每秒只能通过一辆车，假如车辆的颜色只有3种，找出N秒内经过的最多颜色的车辆数量 三种颜色编号为0,1,2 输入 第一行输入的是通过的车辆颜色信息 [0,1,1,2] 代表4秒钟通过的车辆颜色分别是0,1,1,2 第二行输入的是统计时间窗，整型，单位为秒 输出 输出指定时间窗内经过的最多颜色的车辆数量 题解参考 C++题解：https://dream.blog.csdn.net
47410编辑于 2023-04-02 - 来自专栏AIoT技术交流、分享
LabVIEW色彩匹配实现颜色识别、颜色检验
它可以用于颜色识别、颜色检验以及彩色对象定位等基于色彩信息比较的应用程序。 色彩匹配通常分为色彩学习（Color Learning）和色彩比较（Color Comparing）两步。 如何才能判断两幅图像中的颜色是否相同呢？ 当然是从图像中不同颜色的像素统计信息入手。对于两幅尺寸和颜色相同的图像来说，图像中每种颜色的像素数均相同。 基于得到的色谱及其匹配度数据，机器视觉系统可设置阈值来实现颜色识别、颜色检测、颜色定位以及其他基于色彩比较的应用程序，如下图所示： 函数说明及使用可参见帮助手册： 1、颜色识别 颜色识别（Color 颜色识别应用一般会预先学习各种模板图像的颜色，并将其连同图像标签保存至数据库中。通过将被测图像的颜色信息与数据库中的记录进行比较，获取与其最接近的记录，并返回对应的图像标签。 通过一个一个颜色识别的实例程序了解其使用方法，程序设计思路如下所示： 程序总体分为模板图像颜色学习和颜色匹配两部分，一开始先用For循环将存放在文件夹中的6幅模板图像逐读入内存，并用IMAQ ColorLearn
2.9K61发布于 2021-08-20 - 来自专栏燧机科技-视频AI智能分析
车辆逆行交通拥堵识别系统
系统已在某新一线城市（覆盖180个关键路口）部署，日均生成违规事件报告4200+次，逆行行为识别准确率提升至89%。 30℃~65℃宽温运行、60FPS帧率、0.0005Lux超低照度），按路口全景（仰角20°）、车道特写（俯角15°）、应急车道（双向覆盖）布防 集成多光谱传感器阵列： 可见光（450-650nm）：车辆姿态识别 ultralytics import YOLO model = YOLO('yolov11.yaml') model.model.nc = 9 # 9类：逆向行驶/违停/超速/拥堵/闯红灯/车辆倾翻 设计时空图卷积网络（ST-GCN），建模危险行为扩散路径 （二）误报率控制 时序行为过滤：通过时空特征网络分析连续帧状态，排除“车辆短暂变道”干扰 环境自适应：根据气象站数据动态调整检测阈值（如沙尘暴模式下提升车牌识别权重 ：通过红外热成像发现人体热源（置信度0.89），联动广播系统发出警告 多车连环逆行分析：融合声纹分离技术（＞3车对话触发），准确识别违规路径（准确率91%）
15510编辑于 2026-01-08 - 来自专栏用户10566770的专栏
车辆违停识别算法的应用
方案概述：针对车辆违停、监管难度大这一现象，深学科技借助AI视频分析技术和视频监控技术，在禁停区、主干道、消防通道、停车场等区域部署监控摄像头，之后将摄像头统一接入AI智能分析盒子进行AI智能分析检测， 能对区域内车辆违停行为进行及时的抓拍、告警，随后将信息推送至上层管理平台，管理人员可以及时进行查看处理。 在禁停区域内部署监控摄像头，通过AI分析来对区域内的车辆进行实时的监控和检测。 准确快速的对区域内的车辆进行自动识别，对目标车辆违停行为进行检测、抓拍、告警推送，将现场识别到的信息推送到上级管理平台，工作人员看到信息后对现场情况进行及时的处理，提高监管的效率和准确率；2、充分利旧，
64710编辑于 2023-12-01 - 来自专栏燧机科技-视频AI智能分析
车辆占用应急车道识别抓拍系统
车辆占用应急车道识别抓拍系统通过opencv+python人工智能识别技术，车辆占用应急车道识别抓拍系统对高速公路应急车道进行不间断实时监测，当车辆占用应急车道识别抓拍系统监测到应急车道上有车辆违规占用时 OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序，该程序库也可以使用英特尔公司的IPP进行加速处理。
1K20编辑于 2023-01-23 - 来自专栏燧机科技-视频AI智能分析
车辆超速自动抓拍识别系统
适应极端天气 边缘计算节点 采用NVIDIA Jetson AGX Orin，算力275TOPS，部署TensorRT加速引擎 （二）算法层核心设计 YOLOv8目标检测优化 # YOLOv8模型配置（针对车辆检测优化 speed = self.fc(attn_output.mean(dim=1)) return speed动态环境补偿 雨雾天气：激活红外偏振滤镜，提升能见度（实验显示雾天识别率提升 ，检测距离延伸至80米 （三）软件平台功能 云端管理平台 实时热力图展示超速高发区域（如隧道入口、匝道弯道） 自动生成结构化报告（含时间、地点、车型、速度曲线、风险等级） 支持与导航系统联动，对超速车辆推送限速提醒 三、关键技术突破 （一）复杂场景检测优化 小目标检测：采用Mosaic9数据增强（实验室数据：小目标mAP@0.5提升28%） 运动模糊抑制：引入光流法预处理（实测数据：雨刮器遮挡下识别率从65%提升至 （边缘节点）检测精度（mAP@0.5）95.3%93.8%平均响应时间0.65s0.72s日均处理事件-1785次误报率1.1%1.6%极端天气可用性-雨雾天＞85%典型场景案例：隧道口超速：系统成功识别
34110编辑于 2026-01-06 - 来自专栏燧机科技-视频AI智能分析
工地车辆未冲洗识别抓拍系统
工地车辆未冲洗识别抓拍系统主要是对施工工地的出入的车辆进行冲洗监管、冲洗识别、未冲洗告警。工地车辆未冲洗识别抓拍系统 由现场监控摄像头与后台系统构成。 利用前端摄像头正对施工工地进出口对来往车辆实时分析识别清洗情况，将违规未清洗车辆，抓拍报警，并上传到系统后台。近些年，伴随着环境卫生整治规定的不断提升，空气指数日益变成环境监测的关键指标。 因而，对工程车辆的管理至关重要。要确保每辆车离去施工工地时车体环境整洁，不把风沙送到城市道路。 工地车辆未冲洗识别抓拍系统，借助工地现场已经安装好的摄像头对进出工地的车辆实时分析识别，将没有冲洗的车辆信息抓拍记录下来，并且识别车牌信息，向监控后台平台发送相关违规车辆信息数据。 同步将违规车辆信息发送给相关人员的手机上。图片
77700编辑于 2022-10-01 - 来自专栏wym
【OpenCV】HSV颜色识别-HSV基本颜色分量范围
在HSV颜色模型中，每一种颜色和它的补色相差180° 。 饱和度S取值从0到1，所以圆锥顶面的半径为１。 HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个 模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V=0,H和S无定义， 代表黑色。 可以说，HSV模型中的V轴对应于RGB颜色空间中的主对角线。 在圆锥顶面的圆周上的颜色，V=1，S=1,这种颜色是纯色。HSV模型对应于画家配色的方法。 由于人的视觉对亮度的敏感 程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间， 它比RGB色彩空间更符合人的视觉特性。 HSV 以人类更熟悉的方式封装了关于颜色的信息：“这是什么颜色？深浅如何？明暗如何？”。HSL 颜色空间类似于 HSV，在某些方面甚至比它还好。HSL的模型为双圆锥形状。
9.1K20发布于 2018-08-30 - 来自专栏AIoT技术交流、分享
MATLAB实现物体颜色识别
颜色是物体表面的固有特征，在目标识别和图像分割中有着无法替代的作用。 机器视觉利用光电成像系统和图像处理模块对物体进行尺寸、形状、颜色等的识别。 图像处理中最适合显示系统的颜色空间是RGB颜色空间，但其R、G、B3个分量高度相关，阈值选择困难。 本项目选择静态图像识别和动态实时检测两种模式，检测图像中RGB颜色。 原理是通过计算机对获取的图像经过颜色变换与设定的阈值纪念性比较，对平滑处理的前馈图像进行分割识别，从而检测出画面中不同RGB颜色的目标区域/物体。 静态检测可以识别示例图像中的RGB颜色，也可以通过相机拍摄识别拍摄采集到的画面当中的RGB颜色。 项目资源下载请参见：MATLAB实现物体颜色识别【图像处理实战】 拓展学习： LabVIEW色彩匹配实现颜色识别、颜色检验（基础篇—13）
1K60编辑于 2023-05-26 - 来自专栏燧机科技-视频AI智能分析
工地车辆未冲洗识别抓拍系统 智慧工地
工地车辆未冲洗识别抓拍系统 智慧工地通过出入口摄像头，工地车辆未冲洗识别抓拍系统 智慧工地可以对每辆要出施工工地的工程车辆的清洗实现自动识别判定。 如果工地车辆未冲洗识别抓拍系统 智慧工地识别到车辆冲洗不合格，工地车辆未冲洗识别抓拍系统 智慧工地就会自动进行抓拍并将违规车辆信息回传给智慧工地系统平台。
1.1K60编辑于 2023-01-27 - 来自专栏我爱计算机视觉
TMM｜车辆重识别的一些实践
如下图a，我们统计了几个数据集，每类样本的个数，发现多数车辆类别少于10张训练图像。就导致了整体intra-class 类内的变化有限。 ---- 其他资源： - 我也做了一些车辆重识别论文/数据集的收集：https://github.com/layumi/Vehicle_reID-Collection 欢迎大家关注，把新的paper 京东AI组 也提供了很棒的汇总车辆reid，做了很多这方面的工作：（https://github.com/JDAI-CV/VeRidataset ）提供了VeRi-776 数据集的排行榜 还有北大的工作有很多 备注：车辆
1.3K50发布于 2020-08-21 - 来自专栏燧机科技-视频AI智能分析
危化品道路运输车辆识别抓拍
危化品道路运输车辆识别抓拍依据公安机关内部网络设计开发的危化品运输车辆智能化监管综合服务平台，联接国内各地危化品驾驶人员数据库管理，马上把握危化品运输车辆的动态信息，马上预警信息风险性和安全隐患。 本市危化品道路运输企业应改造运输车辆汽车驾驶室、车子前后端、储存罐（车箱）的车辆视频机器设备，并具备及时传送作用。 建立车辆运行监督数字管理服务平台，与本地行业主管部门监管平台对接，进行车子运作智能控制系统检验预警信息，马上提示驾驶员改正违反规定行为。 危化品道路运输车辆识别抓拍软件、安全驾驶线路监管系统软件、安全运行预警信息和自食其力救助系统软件、专用型停车管理系统、货品解决管理方案系统软件、贷款逾期查验警报改正系统软件、驾驶培训文化教育管理方案系统软件和根监管系统软件 ，完成危化品运输车辆的整个过程、无空隙管理。
54730编辑于 2022-09-19 - 来自专栏燧机科技-视频AI智能分析
车辆拥堵交通事故识别系统
一、引言 车辆拥堵与交通事故是城市交通治理的核心难题。 本文提出一种基于YOLOv8目标检测与多模态融合的智能识别系统，通过“实时感知-异常研判-联动处置”闭环机制，实现拥堵预警、事故识别与应急控制的毫秒级响应。 系统已在某省会城市3条主干道试点部署，实测数据表明可将事故识别准确率提升至96.8%，拥堵疏导效率提高55%。 box 坐标、置信度及运动轨迹； 异常事件分类模型：基于YOLOv8检测结果，裁剪目标区域输入CNN（如EfficientNet-B0），识别“车相撞”“车辆倾翻”“行人摔倒”“打架斗殴”等6类异常事件 车辆拥堵交通事故识别系统通过在关键路段部署监控摄像机，车辆拥堵交通事故识别系统借助 YOLOv8 算法的强大目标检测能力，能够精准识别出车辆、行人等交通参与者。
36910编辑于 2025-12-17 - 来自专栏机器学习AI算法工程
车辆检测及型号识别，准确率接近90%
车辆检测及型号识别广泛应用于物业，交通等的管理场景中。通过在停车场出入口，路口，高速卡口等位置采集的图片数据，对车辆的数量型号等进行识别，可以以较高的效率对车型，数量信息等进行采集。 如商场停车位的规划，路况规划，或者公安系统追踪肇事车辆等等。 代码获取方式： 关注微信公众号 datayx 然后回复 车辆 即可获取。 本项目中，将实现一个车辆检测的工业级系统。 需要利用tensorflow提供的slim图片分类框架和物体检测框架实现一个可以对任意图片进行车辆检测的系统 评价标准 系统要求能检测任意图片并给出合理的输出，需要给出合理的评价指标，例如map等。 可以输出并显示图片中车辆的位置和型号等信息。没有车辆的图片可以给出没有检测到的提示。 本项目用到一个车辆分类的数据集。 推荐的输入方式有： 命令行直接指定待识别文件 搭建一个web系统，使用表单方式上传文件 搭建一个native程序，使用pyqt等GUI框架搭建GUI界面 推荐的输出方式： 将检测结果写入文件 使用matplotlib
1.4K10发布于 2019-10-28
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