Matlab车道线检测，可检测车道线超线识别，车速，车流量等

汽车检测 基于对YOLOv2的迁移学习内置的神经网络模型 训练集来自于drive.ai 项目图文介绍及核心代码见 如无法打开，可参考以下文字介绍 以下对项目实现原理做一个简要介绍 这是我在coursera的深度学习课程上完成的一个项目的源代码，属于一个自动驾驶项目的一部分，用于检测道路上的车辆及其他障碍物 数据的采集是通过汽车初步摄像头拍摄，输入数据是多个维度为（608,608,3）的RGB格式图片 输出是一个四维向量（19,19,5,85）的向量，最后一维结构为（p，x，y，h，w，c1，c2……c80）： p表示图片上检测出目标物体的概率，取值（0,1） x，y表示物体中心点坐标（这里需要注意的是这个坐标表示的是每个网格内的坐标而不是整个图片的） h,w表示用于标记物体的方格的高度和宽度 c1-c80表示可以识别的80种物体类型的概率，取值在（0,1），可以检测的物体类型在coc

针对现代数字化车辆信息检测的要求．提出了一种采用各向异性磁阻传感器(AMR)进行车辆检测的方法，利用2个各向异性磁阻传感器组成的三轴测试电路，应用基于阈值的车辆判别方法，在地球弱磁场下进行车辆检测试验．通过对磁阻传感器采集的数据进行分析和处理，结果说明AMR传感器应用在停车场车位检测等领域具有一定的优势．

雷达系统是通过目标的二次散射功率来发现目标的，也就是说雷达系统发射的 电磁波在传播中遇到目标，一部分能量被目标吸收，另一部分被目标重新辐射。目 标的重新辐射就是所谓的二次散射或反射。目标反射电磁波的能力与系统的工作波 长(或频率)、目标的几何形状以及尺寸、对目标的入射视角和目标对电磁波的吸 收能力有关。目标的雷达散射截面RCS (Radar Cross Section)是表征雷达目标对照 射电磁波散射能力的一个物理量。早在雷达出现之前，人们就己经求得了几种典型 形状导体目标的电磁散射精确值，例如:球、无限长圆柱、椭圆柱、法向入射抛物 柱面以及无限长劈等。20世纪30年代雷达出现后，雷达目标成为雷达接收闭合回 路中的一个重要环节，必须了解雷达目标的更多信息，雷达散射截面RCS便是最 重要、最基本的一个参数

基于雷达与视觉传感器信息融合的车辆检测方法研究.caj

针对原始YOLOV3目标检测算法在车辆检测任务中存在的实时性不高的问题,提出了一种改进的车辆检测模型。该模型使用反残差网络作为基础特征提取层,以减少参数量,降低计算复杂度,解决梯度消失和梯度爆炸问题。并且使用组归一化降低批量大小对模型准确性的影响,同时用软化非极大值抑制降低漏检率,使用Focal-loss改进损失函数,使模型在训练时聚焦于难分类样本。改进后的模型参数量为YOLOV3的36.23%,每帧检测时间较YOLOV3降低了13.8 ms,平均类别精度提高了1.15%。结果表明,本文算法兼顾实时性和准确性,为车辆的实时性检测提供参考。

适合做前景提取的同学，进行精确度和召回率的计算

《机动车检测站收费管理系统》是一款针对机动车检测站公司所设计的一款软件，它具有先登记客户信息，然后对于登记的客户收费，自动过虑哪些未检测客户，哪些已经收了费的客户，还具有按车型统计、按人员属性统计、流水记录表、流水总表、收费统计表，其它统计、员工车型统计表等功能，是一款有效的管理软件。 该软件的功能主要包括： 1、基本设置（公司信息、车辆类型、检测类别、能源类型、人员属性、收费方式）； 2、客户管理（客户资料、未检测客户）； 3、收费管理（收费登记、已收费信息）； 4、统计查询（按车型统计、按人员属性统计、流水记录表、流水总表、收费统计表、其它统计、员工车型统计）；

总共精选了大于4302张全部为正样本，车辆各个角度图片样本,归一化到33*33大小，可直接拿来训练分类器。图片质量很好可以作为训练分类器的样本使用。

利用opencv开发的车道检测和车辆识别代码，包含源代码、目的代码、演示视频。