论文原文地址：Towards End-to-End Lane Detection: an Instance Segmentation ApproachTensorflow代码地址：lanenet-lane-detection 现在作者维护的版本更新到了2021.4.29。我上传到了百度网盘里：链接：https://pan.baidu.com/s/1XydBVV-niTo9GybRDhqu
转载
2024-05-06 12:44:02
125阅读
## 实现Android TensorFlow检测行人的步骤
### 整体流程
以下是实现Android TensorFlow检测行人的整体流程：
```mermaid
flowchart TD
A[设置项目环境] --> B[导入TensorFlow库]
B --> C[准备训练好的模型]
C --> D[加载模型]
D --> E[获取摄像头画面]
原创
2023-08-30 09:00:18
62阅读
本教程主要是对人脸检测及识别python实现系列 及碉堡了！程序员用深度学习写了个老板探测器（付源码） 的实现。主要实现的功能是用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张图片覆盖到整个屏幕上。虽然原教程已经写的很好，但是我们在实现的时候仍然踩了很多坑。本着让后来者少走点弯路的原则，我们特将最详细的步骤记录如下，以期读者朋友只花最少的时间便能体验用tensorflow实现
转载
2024-04-22 14:35:18
254阅读
摘要本次实战案例，少奶奶给大家带来了使用Tensorflow Lite方式把YOLOV3嵌入Android版APP中，该APP通过调用手机摄像头，实现实时检测并返回具体结果，从而实现自定义网络模型移植边缘设备的可能。通过阅读本篇博客，大家也可以获得以下提升： 1）自定义训练的网络模型都可以通过TensorFlow Lite移植到Android版的APP中，实现实时监测。 2）讲解Android项目
转载
2024-04-22 19:59:04
98阅读
Lanenet 一个端到端的网络，包含Lanenet+HNet两个网络模型，其中，Lanenet完成对车道线的实例分割，HNet是一个小网络结构，负责预测变换矩阵H，使用转换矩阵H对同属一条车道线的所有像素点进行重新建模将语义分割和对像素进行向量表示结合起来的多任务模型，最近利用聚类完成对车道线的实例分割。 将实例分割任务
转载
2023-10-31 15:16:43
23阅读
#作者：韦访 7、定义网络继续往下分析，# define model for multi-gpu
# 如果有多块GPU，将队列划分为多块，以分给每块GPU
q_inp_split, q_heat_split, q_vect_split = tf.split(q_inp, args.gpus), tf.split(q_heat, args.gpus), tf.split(q_vect, args.
转载
2024-05-11 13:43:13
55阅读
行人检测--OpenCV与TensorFlow SSD对比
原创
2022-11-09 10:07:56
515阅读
官方给的模型可以检测80多个类别，这里我们只检测行人，就需要将代码
原创
2023-03-17 10:59:49
369阅读
本实验并没有按照网上现有的千篇一律的指导书在linux上进行实验，而是尝试在Windows上进行本实验，并记录实验的详细过程。这一方面的资料在互联网上较少，也算是一个比较好的补充。github地址：https://github.com/jmhIcoding/pedestrain_detection.git一、实验步骤1、环境搭建1.1 安装Tensorflow 1.13.0pip3 install
转载
2024-03-25 17:42:14
346阅读
目录：一、验证是否安装成功二、问题解决 一、验证是否安装成功1、打开命令行 ，输入 pip show tensorflow 命令，查看是否有tensorflow的相关版本、存储位置等信息。（如果报错，请参考：问题解决1）2、之后进入python环境输入 import tensorflow 如果没有报错，证明安装成功。（如果报错，请参考：问题解决2）二、问题解决1、pip sh
转载
2023-06-14 17:32:20
54阅读
行人检测相关资源 2015-10-28 转载
图像处理
图像处理
图像处理
微信号 功能介绍 分享图像处理与机器学习相关知识与最新进展 行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，主要还是在性能和速度方面还不能达到一个权衡。近年，以谷歌为首
1．1 题目的主要研究内容（1）工作的主要描述利用支持向量机算法，检测自然场景下的行人，并用方框圈出。具体工作步骤可分为：建立包含行人的一个图像数据集，作为正数据样本；建立不包含行人的一个图像数据集，作为负数据样本；在数据集上训练一个SVM;将SVM应用于每个可能的测试图像块，以确定整个图像是否包含一个行人，如果有行人，将行人用方框圈出。（2）系统流程图图1 系统流程图1．2 题目研究的工作基础或
转载
2023-10-20 15:44:53
80阅读
时光飞逝，大学时光如白马过隙，加上今年的疫情影响。。。毕业的一刹那真的感慨万千，话不多说，开始记录一下我的毕业设计。测多以Python+深度学习完成，本着推陈出新的精神我选择了Java+OpenCv（其实是pyhon不太熟悉哈哈）。当然，Java+OpenCv不知局限于行人检测，合适的数据集+核函数能应用于大多数的物 体检测，像车牌检测、超市商品检测诸如此类。各个网站都有详细说明，按
转载
2023-06-27 20:22:05
155阅读
因为一个项目的需求接触到OpenCV里的SVM和HOG特征算法，根据网上的教程一个博客，给自己准备了一个关于行人检测demo，里面也有一些代码也是参考网上的demo，这里大致记录下demo的代码和自己的遇到的一些小问题。 参考博客/文章：HOG+SVM行人检测目标检测的图像特征提取之（一）HOG特征python+opencv3.4.0 实现HOG+SVM行人检测 软件环境： Python：3.6.
转载
2024-04-02 11:19:36
41阅读
简述：在一些工业现场及其他环境，使用深度学习的方法进行图像处理是不可行的（原因有成本问题等）。也正因如此尽管笔者偏向于python编程，但这次主要做的是C++环境下的行人检测。这里主要采用的是背景板减法，即opencv中自带的BackgroundSubtractorMOG2函数。该函数基于自适应混合高斯背景建模，具有一定的抗光照干扰的能力。基本配置是VS2013+opencv3.0.0 。背景板法
转载
2023-11-12 14:58:46
164阅读
我司提供行移动端人检测/人体检测/人体抓拍海思解决方案，同时还有ARM行人检测摄像机方案。人体检测自动识别摄像机基于视频图像智能分析技术原理研制，采用公司自主研发的人体轮廓识别技术，综合识别人体头部、肩部、躯干等人体主要部位的轮廓信息，可区分人与物体，具有较高的识别精度。本技术综合识别头部、肩部、躯干等人体主要部位的轮廓信息，而不仅仅采用头部信息，识别精度更准确；不采用颜色信息或位移信息，可以准确
转载
2023-11-22 17:36:06
145阅读
文章目录国内外研究进展行人目标检测方法主要分为四个类：1、基于背景差分/帧间差分2、基于光流的行人检测方法3、基于模板匹配的行人检测方法4、基于机器学习 国内外研究进展行人目标检测方法主要分为四个类：1、基于背景差分/帧间差分背景差分方法的关键在于构建合适的背景，经典方法是混合高斯模型背景法。 帧间差分法和背景差法在行人检测原理上比较相似，如果帧间像素的差值大于设定阈值，则判断有运动目标存在。
转载
2024-08-08 17:17:32
39阅读
本文主要介绍opencv中怎么使用hog算法，因为在opencv中已经集成了hog类。本文参考资料为opencv自带的sample.关于opencv中hog的源码分析，可以参考另一博客：http://www.cvvision.cn/2428.html开发环境：opencv2.4.2+Qt4.8.2+ubuntu12.04+QtCreator2.5.实验功能：单击Open Image按钮，选择需要进
转载
2023-07-06 23:55:49
238阅读
OpenCV自带了函数 detectMultiScale() 可以实现对行人和人脸的检测，实现简单，但识别效果相对较差。 行人检测在行人检测上，OpenCV采用的是HOG（特征检测算法）+SVM算法import cv2
def is_inside(o, i):
ox, oy, ow, oh = o
ix, iy, iw, ih = i
return ox >
转载
2023-06-14 14:29:36
524阅读
## Python 行人检测
### 1. 简介
在计算机视觉领域中，行人检测是指通过计算机算法来识别图像或视频中的行人。行人检测在很多应用中都非常重要，比如智能监控、自动驾驶、行人计数等。本文将介绍如何使用Python进行行人检测，并提供代码示例。
### 2. 行人检测算法
行人检测算法可以分为两大类：基于特征的方法和基于深度学习的方法。
#### 2.1 基于特征的方法
基于特征
原创
2023-09-08 07:17:31
295阅读
