暂无评论
基于Tensorflow的视频汽车检测API实现demo,视频条件下的汽车检测
一个简单的车辆检测视频，亦可作为动态目标捕捉并标定的视频素材。
用于检测车辆在车道上形成的阴影，选用的是小均值与大方差，用子窗口在图片中进行遍历得到检测区域。
针对视频车流量检测系统无法识别粘连车辆的局限性,提出了基于纹理识别与滤波扫描相结合的算法,并采用聚类分析法检测判断粘连车辆。文章对车道的各区域采用基于纹理识别的方法计算出纹理描述子,获得车辆顶部初步坐
车辆检测系统(基于Linux平台 后台处理采用C++,前台采用JS
发明专利说明书。本发明公开了提供基于时空图的发散卷积 循环神经网络的交通流预测方法,基于交通网络 的空间特征构建了路网的有向加权图,接着以该 有向加权图为预测的基本单位
UA-DETRAC，车辆检测数据集8250车辆。
基于角点检测和区域生长方法的车辆检测算法，周彬，章云，智能交通（IT）技术需要对道路上的车辆情况有准确的检测，基于局部特征的车辆检测是研究的热点。因此设计一种快速的的鲁棒性强的�
车载自组织网络(VANET)支持车辆和基础设施之间的无线通信。 互联车辆在智能交通系统(ITS)和智能城市中很有希望。 VANET的主要目标是提高道路上的安全性,舒适性,驾驶效率和等待时间。 VANE
为向驾驶者提供有效的车辆位置信息,提高驾驶安全性,提出了一种融合多种目标特征的单目视觉车辆检测与跟踪方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域,减少搜索范围。再利用车辆底部的阴影特征,在感兴
暂无评论