文件名称：Vehicle_detection_tracking:车辆检测和跟踪基准
文件大小：28.45MB
文件格式：ZIP
更新时间：2024-06-05 05:23:59
JupyterNotebook
整个项目源码： 整个项目数据集：、 引言 本次分享主要介绍，如何对道路上的汽车进行识别与跟踪。这里我们实现一个简单的demo。后续我们还会对前面的代码及功能进行重构，从而进一步丰富我们的功能。 项目软件框架 下图是车辆检测的实现流程图： 具体内容如下： 在有标签的训练数据集上进行Histogram of Oriented Gradients(HOG)特征提取 Normalize 这些特征，并随机化数据集 训练线性SVM分类器 实现一个滑动窗口技术，并使用训练好的分类器在图片中寻找车辆 实现一个流处理机制，并通过一帧一帧地创建循环检测的热图来去除异常值及跟踪车辆 为检测到的车辆估计一个边界框 Features 本项目，我们使用一些有标签的训练数据：汽车图片、无汽车图片，训练数据在all文件夹中可以找到 有汽车地图片标签为1，无汽车的图片标签为0 我们先读取数据，看下数据的分布 # impor
【文件预览】：
Vehicle_detection_tracking-master
----SVC_LR_MLP.ipynb(137KB)
----vehicleDetection.ipynb(1.99MB)
----README.md(34KB)
----output_images()
--------save_output_here.txt(112B)
----project_video.mp4(24.1MB)
----test_solution.mp4(827KB)
----test_images()
--------test5.jpg(238KB)
--------test3.jpg(144KB)
--------test6.jpg(227KB)
--------test2.jpg(170KB)
--------test4.jpg(196KB)
--------Thumbs.db:encryptable(0B)
--------test1.jpg(212KB)
--------Thumbs.db(66KB)
----test_video.mp4(782KB)