IT荻的博客

之前利用yolov3的darknet的python接口，把keras框架下跑的yolo3取代了，FPS从原来的6.几到现在的11.几，还是源接口比较好用，较为快速。后续需要做的：1 把之前的车道线检测，轧线判断的code放入前向网络load模型的工程当中，这个是识别轧线的重要部分，需要用视频来识别。也就是能检测跟踪车辆框，然后车道线能在视频中显示，还能在车辆轧线的时候判断轧线并输出。2 使用...

项目课题当中有使用到Kalman滤波的算法思想，这里总结一下这个神奇算法的过程。什么是卡尔曼滤波？对于这个滤波器，我们几乎可以下这么一个定论：只要是存在不确定信息的动态系统，卡尔曼滤波就可以对系统下一步要做什么做出有根据的推测。即便有噪声信息干扰，卡尔曼滤波通常也能很好的弄清楚究竟发生了什么，找出现象间不易察觉的相关性。因此卡尔曼滤波非常适合不断变化的系统，它的优点还有内存占用较小（只需保留...

ubuntu中查看opencv的版本pkg-config --modversion opencv

查看本机CUDA的版本：cat /usr/local/cuda/version.txt查看本机的CUDNN的版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

发现Ubuntu系统在拷贝很大的文件，或者清空回收站的时候，很容易发生文件管理卡死，就是整个文件系统界面给黑掉了。1 这里第一种情况是可以操作别的浏览器或者IDE，唯独不能操作文件系统。解决方案： 使用如下ps -A |grep nautilus #查看是哪个文件管理出了问题然后继续killall nautilus #把那个文件管理进程杀死即可2 如果连其他的都不能使用了（系统直...

转自https://blog.youkuaiyun.com/lzhf1122/article/details/72935323基础知识：假设空间中两点x，y，定义：欧几里得距离，Mahalanobis距离，不难发现，如果去掉马氏距离中的协方差矩阵，就退化为欧氏距离。那么我们就需要探究这个多出来的因子究竟有什么含义。例子：如果我们以厘米为单位来测量人的身高，以克（g）为单位测量人的体重。每个人被表...

之前做的工作是用YOLO3检测器(keras版本)检测车辆，加上deepsort跟踪，使用reid车辆数据集去跑的deepsort，效果很一般，因为检测就有点问题，所以检测这一块还是要自己训练数据集得到良好的模型，不然跟踪效果不好。主要目的就是：判断车辆违章变道。方案：1.检测车辆yolov32.检测车道线。3.轧线判别模块4.通过轧线的那辆车判断是哪一辆车。开始跟踪，提取该轧线车辆的...

1 摘要DeepSort是在Sort目标追踪基础上的改进。引入了在行人重识别数据集上离线训练的深度学习模型，在实时目标追踪过程中，提取目标的表观特征进行最近邻匹配，可以改善有遮挡情况下的目标追踪效果。同时，也减少了目标ID跳变的问题。2 核心思想算法的核心思想还是用一个传统的单假设追踪方法，方法使用了递归的卡尔曼滤波和逐帧的数据关联。2.1 轨迹处理和状态估计该部分的思路和sort很接近...

https://blog.youkuaiyun.com/u010712012/article/details/87477554之前一小段时间分析的三大块，车辆检测，车道线检测，车辆压线判别。主要分析了一下车道线检测的优化问题，经过图像处理，canny边缘检测，Hough变换检测出的图如第二幅因为车道是具有双边缘的，所以根据之前的车道线检测算法检测出来的直线会有不止一条，如果能够用一种算法把多条...

我的文档

之前的两篇YOLO的发展历史YOLOv1 https://blog.youkuaiyun.com/u010712012/article/details/85116365YOLOv2 https://blog.youkuaiyun.com/u010712012/article/details/852747112018年又出现了YOLOv3，相比于SSD，FasterRCNN，RetinaNet，速度都是更快的，作者很...

https://blog.youkuaiyun.com/u010712012/article/details/86566960之前提到我们要检测车道线不能实现智能化的问题，后来想了想，这何止是不智能化，连工程都算不上，因为我用的是检测出来的一根直线和bbox进行判断，就算是hough函数中的参数每次都要自己调整到检测出一根直线，也和实际的不符，因为现实的车道线都是有一定宽度的，而且交通部门应该是固定的一个宽...

一、全部代码如下：代码部分tf函数见下面第二部分。yolo2的预测过程大致分为以下3部分。1、model_darknet19.py：yolo2网络模型——darknet19。YOLOv2采用了一个新的基础模型（特征提取器），称为Darknet-19，包括19个卷积层和5个maxpooling层，如下图。Darknet-19与VGG16模型设计原则是一致的，主要采用33卷积，采用22的max...

之前的模型是简单的不能再简单的车辆压线模型，需要自己提取感兴趣区域，才能进行后续的车辆压线判断，真是的需求是给你一张图片你就要判断哪里有车辆，哪里是实线，哪里是虚线，哪辆车是压线了。这个都是很具体的，不能靠手动一次又一次把车道线找出来，把压线车的区域提出来。这个根本就不智能。所以就有了下面的思路：1.车道实线检测部分，虽然用Hough变换可以检测出不错的实线效果，但是需要每张图自己去调参，因为...

航拍高速公路图像分割出来的阈值图像（二值图像），会包含很多白色车辆，树木等干扰，我们最好能够进行一些处理，使得后续车道线特征提取和参数估计能够有效进行。可以采用连通域滤波算法去掉块状的白色车辆和其他的干扰，在使用Hough变换检测车道线。连通域滤波如果简单使用车辆边缘会导致剩下大量非车道线的线段，尤其是车辆边缘。严重影响车道线检测。仔细分析特征发现车道线为细长的直线，而车辆是大面积的白色块。...

之前写过检测车道线的文章：https://blog.youkuaiyun.com/u010712012/article/details/84780943最后可以检测出两条车道线，但是，本课题的目的是通过提供一张图片，经过图像处理操作，经过算法模型得到违章的车辆情况，所以不能有人为的因素。所以这里再次回顾一下检测直线的算法之——Hough变换。Hough直线检测1.直线坐标参数空间在图像x−y坐标空间...

上周的思路： https://blog.youkuaiyun.com/u010712012/article/details/85082271上周的flag：1.车道线怎么单独给检测出来，能不能通过阈值处理/ROI选取，把其他非车道线的部分给滤除。因为高速公路车道线基本都是白线，所以用阈值可能管用，或者彩色空间也可以试试。看看专门检测车道线的论文，只剩下背景和车道线的，相当于车道线分割提取出来的论文，是这周...

之前写的 https://blog.youkuaiyun.com/u010712012/article/details/84728708分析违章检测的流程，其中流程图如下：这个流程当中的违章变道是最近在研究的内容，这里头有几个关键点：1.车道线2.车辆3.变道判决车道线的检测我尝试了经典的Hough变换 https://blog.youkuaiyun.com/u010712012/article/detai...

1. 何为角点？下面有两幅不同视角的图像，通过找出对应的角点进行匹配。再看下图所示，放大图像的两处角点区域：我们可以直观的概括下角点所具有的特征：轮廓之间的交点；对于同一场景，即使视角发生变化，通常具备稳定性质的特征；该点附近区域的像素点无论在梯度方向上还是其梯度幅值上有着较大变化；2. 角点检测算法基本思想是什么？算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动...

车道线检测在课题当中起着很重要的作用，但是大部分论文都是基于固定摄像头的车道线检测，而本课题是无人机视角，也许会有不一样，但是先拿一张近似的图片去仿真，然后找出问题难点，解决他，再试飞无人机去拍摄。以下是经典的车道线检测的流程：这是原图。import matplotlib.image as mplimgimg = mplimg.imread('goodimg.jpg')1.灰度图转...

面临的问题与难点目前，虽然有大量的运动目标检测算法，但由于实际环境的复杂多变，所以这些算法并不都是十分的健壮。（1）模型初始化问题：在背景初始化训练时期，由于还没有获得高质量的背景模型，故常常导致运动目标的误检；（2）伪装现象：一些运动目标可能与背景极其相似，从而导致运动目标无法正确地与背景区分开；（3）光照变化：分为光线的突变和渐变。背景模型要能够适应白天室外环境中光线的逐渐变化；相应的...

之前写的 https://blog.youkuaiyun.com/u010712012/article/details/84641101场景模块化的处理还是很粗狂的，有很多细节并没有考虑到，不能总是浮在表面，做一件事情，应该沉下心来，把每一种情况和细节都考虑进去，做科研更是如此，即使最后做不出来，那也训练了自己的逻辑思维分析能力，这在任何领域和生活中都是很有帮助的。那么整体的流程框架需要尽早搭好，之后再分...

之前写到过 https://blog.youkuaiyun.com/u010712012/article/details/84557616要判断高速公路上的车辆是否非法占用应急停车道，是有一套流程和逻辑的，但是导师说：实际开发工程的情况下，我所谓的“流程”其实都需要分模块完成。...

为了检测车辆非法占用应急停车道，不管是在应急车道上停车还是行驶，普通车辆都是不允许的，那么这个检测的逻辑流程是什么呢？首先我们肯定需要去进行车辆检测和车辆跟踪，才知道是同一辆车，因为无人机巡航飞行，背景是运动的，所以检测算法用的多的有ViBe和CNN中的SSD，YOLO等，跟踪算法有camshift，meanshift，Kalman滤波器，这里再分析选择哪一个。之后需要进行车道线检测，才能判断...

由于课题需要，利用视觉无人机进行高速公路违章检测，根据法规，机动车在高速公路上行驶，不得有下列行为：　　1、倒车、逆行、穿越中央分隔带掉头或者在车道内停车。　　2、在匝道、加速车道或者减速车道上超车。　　3、骑、轧车行道分界线或者在路肩上行驶。　　4、非紧急情况时在应急车道行驶或者停车。众所周知，高速公路应急车道是救援通道，更是生命通道!但是，占用应急车道的违法行为在高速公路上是一个普...

由于研究生毕业课题是基于视觉无人机的高速公路违章识别技术的研究与实现，固定摄像头只是在特定的区域管用，由于成本原因，不可能到处安装，这时候如果有无人机巡逻飞行，如果能够识别违章车辆，可以给高速公路带来更大的安全性，特别是在放长假期间，高速公路上拥堵不断，事故多发，原因就是有些司机平常没有法律安全意识，以为在国道省道能开的把戏，到高速公路上一样是老司机！可是这种不好的习惯却会给他们带来灾难。在今年...

1.好好总结一下当前这个场景下，我们要解决的是什么问题，也就针对要研究的问题进行建模归纳。比如说要实现无人机代替人进行停车收费或者违章停车收费，那么我们要解决的问题是怎么判断汽车停到规定的停车线内开始计时收费？还是要检测这个路段是否有违章标志，再检测车辆是否在规定停车线以外停车？还是其他的情况违停？汽车走后怎么推送收费信息到车主手机上？可以看到，解决一个问题，可以有好多不同的切入点。所以，最重要...

http://www.linuxdiyf.com/viewarticle.php?id=563737在过去的几年间，人们对民用和商用无人机的兴趣迅速增长，无人机硬件在许多人的节假日愿望清单中名次很靠前。 即便是在民用无人机方面，称得上无人机这一类的无人空中设备也似乎越来越多。如今，无人机这个术语似乎涵盖一切装置：从便宜的多翼玩具直升机，一直到拥有非常强大的人工智能功能的定制飞行器，不一而足。...

https://baijiahao.baidu.com/s?id=1568706798230922&wfr=spider&for=pc 这篇文章的确很切合我们学生的审美观哈哈，图就不复制过来了，感兴趣的可以点击链接看看图片漫画。Hi各位，我知道你一定等iot101漫画君好久了！上周的漫画我们普及了低功耗广域网络（LPWAN）里最火爆的NB-IoT协议，好多网友直呼过瘾（虽然好多数据出现错误，