颜色分类leetcode Vehicle Detection:基于YOLO和SVM的车辆检测

颜色分类leetcode车辆检测项目概述车辆检测项目使用机器学习和计算机视觉技术，并结合技术。我应用了两种不同的检测方法。本项目的步骤如下：1) SVM算法对标记的训练图像集执行定向梯度直方图(HOG)特征提取，并训练分类器线性SVM分类器。实施有效的滑动窗口技术并使用训练有素的SVM分类器搜索图像中的车辆。在视频流上运行管道并逐帧创建重复检测的热图，以拒绝异常值并跟踪检测到的车辆。2）YOLO算法构建基于Keras的神经网络并实现预训练模型来预测图像。在视频流上运行管道并创建一个控制台来监控车道状态和检测。Project-SVM.py和helper.py包含SVM分类器结构和管道的代码。dist.p包含一个基于YUV颜色特征和HOG特征的训练SVM分类器，具有17,000多张汽车和非汽车图片。Project-yolo.py和helper_yolo.py包含helper_yolo.py网络和管道的代码。依赖关系包括麻木简历2学习、scipy、skimage、Keras等。