- 综合排序
- 最热优先
- 最新优先
RFID车辆无感识别让进出入更高效
RFID车辆进出识别是基于射频识别技术，通过车载RFID标签与读写设备的无线通信，实现车辆身份自动识别、快速通行与智能化管理的应用方案，实现 “接近即识别、验证即抬杆”，广泛用于停车场、园区、物流园、收费站等场景 RFID车辆无感识别让进出入更高效。一、核心组成部分1、车载RFID标签安装在车辆挡风玻璃内侧或底盘，内置车辆唯一标识信息（车牌、车主、车辆类型、授权权限等）。 常用类型：无源超高频（UHF）RFID标签，无需电池，由读写器发射的射频信号供电，识别距离可达 3-10 米，适合高速通行场景；部分特殊场景会用有源标签，识别距离更远。 2、RFID读写器部署在出入口通道的龙门架、道闸旁，发射射频信号激活标签，读取标签内的车辆信息并上传至系统。可搭配定向天线，精准识别指定车道的车辆，避免邻道干扰。 RFID车辆无感识别管理从传统的门禁物理开关转化为智能感知识别技术，不仅提升了车辆通行效率，而且降低人力成本。通过RFID无线射频信号实现车辆身份的快速识别与数据交互。图文源于网络，侵删！
18810编辑于 2026-02-26- 来自专栏JNing的专栏
硬件: RFID (射频识别)
Introduction 本节摘自Wikipedia-射频识别： 射频识别（英语：Radio Frequency IDentification，缩写：RFID）是一种无线通信技术，可以通过无线电讯号识别特定目标并读写相关数据 ，而无需识别系统与特定目标之间建立机械或者光学接触。 某些标签在识别时从识别器发出的电磁场中就可以得到能量，并不需要电池；也有标签本身拥有电源，并可以主动发出无线电波（调成无线电频率的电磁场）。标签包含了电子储存的信息，数米之内都可以识别。 射频标签也可以附于牲畜与宠物上，方便对牲畜与宠物的积极识别（积极识别意思是防止数只牲畜使用同一个身份）。 应用范围 本节摘自射频识别技术： 射频门禁 电子溯源 食品溯源 产品防伪 ---- [1] Wikipedia-射频识别 [2] 射频识别技术
1.2K20发布于 2018-09-27 - 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。
87530编辑于 2023-02-18 - 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%）
15210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，
64510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
31410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
77500编辑于 2022-10-01 - 来自专栏贾志刚-OpenCV学堂
轻松学Pytorch –车辆类型与颜色识别
，从中可以挖掘到很多好玩的数据，它有个文件VehicleInfo.mat， 从这个文件中可以获取到车辆的标注信息，每个车辆的ROI区域，车辆类型，我用python读取了这个文件，保存了每个ROI的车辆图像 ，这样我就得到了车辆属性数据集。 ，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： ? xmax = iw - 1 37 if ymax >= ih: 38 ymax = ih - 1 39 40 # 车辆属性识别
4.3K30发布于 2020-06-29 - 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 微信小程序实现RFID技术手机nfc标签识别
最近参加挑战杯在开发项目的时候遇到了一个小程序识别nfc的需求，经过翻阅官方文档。最终实现了对nfc芯片的识别。
1.9K10编辑于 2024-05-04- 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。
36610编辑于 2025-12-17 RFID助力智慧校电动车管理秩序规范化
一、系统核心架构RFID学校电动车智能识别进出系统以射频识别技术为核心，搭配硬件终端与管理平台，构建全流程自动化管理体系。 RFID助力智慧校电动车管理秩序规范化，具体包括三大模块：1、前端识别终端：在校园大门、宿舍区出入口部署RFID读写器（支持远距离无源识别，识别距离 0-5 米可调）、高清摄像头、道闸机与地感线圈。 电动车需预装定制 RFID电子标签（内置唯一识别码，防水防摔，适配校园环境），标签信息与车主身份、车辆信息绑定备案。 2、双重安全验证：系统结合 RFID标签识别与车牌图像比对（摄像头自动抓拍车牌，与备案信息核对），杜绝标签冒用、车辆套牌等情况，同时支持黑名单设置，禁止无备案车辆、违规车辆进入校园。 2、出校流程：电动车驶入校门识别区域→RFID读写器感应标签并读取信息→后台系统快速核验车辆权限→验证通过后道闸抬杆→车辆出校，系统记录出校时间→道闸关闭；若为异常车辆，道闸保持关闭并触发报警。
13210编辑于 2026-02-27- 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 yolov8学习，车辆车牌识别代码解读
最近对人工智能、计算机视觉等一类的东西很感兴趣，突发奇想想做一个停车场管理系统，从其中就需要车牌识别，于是尝试学习并尝试做一下这个yolo车牌检测识别的项目。 每个车辆在视频中分配一个唯一的 ID，以便后续识别和关联车牌信息。 # 追踪车辆 track\_ids = mot\_tracker.update(np.asarray(detections\_)) 检测车牌 对于每帧图像，使用车牌检测模型来识别车牌。 在这一部分，逐帧读取视频，并根据识别结果在每帧上绘制车辆和车牌的边界框。 至此，代码结束，理解并实现车辆车牌识别代码对我这样的小白还是有些困难，还需多实践，多学习 yolov8 的相关项目及知识，加油加油！
1.1K10编辑于 2024-10-27
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