带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

OpenCascade类名及功能分析

Opencv使用cascade方法训练自己的LBP特征分类器的全过程-附件资源

Rapid Object Detection using a Boosted Cascade of Simple Rapid Object Detection using a Boosted Cascade of Simple

Haar级联的车辆检测 最后页面更新时间： 2016年10月19日 最新版本： 1.0.0 （有关更多信息，请参见发行说明） 大家好，执行车辆检测的一种简单方法是使用Haar Cascades。 当前，我没有关于它的详细教程，但是您可以在OpenCV主页上获得一些其他信息，请参阅页面。 另请参阅以训练您自己的级联分类器。 haar-cascade cars.xml是使用来自后方的526张汽车图像（360 x 240像素，无比例缩放）进行训练的。 这些图像是从布拉德·菲利普（Brad Philip）和保罗·厄普代克（Paul Updike）提出的Car数据集中提取的，该数据集取自南加州的高速公路。 有关更多信息，请参见： 训练自己的OpenCV Haar分类器 相关论文： 奥利维拉，M。 Santos，V.使用类似Haar的功能自动检测实际道路上的汽车（ ） 一些其他资源：

1、提供二维和三维几何造型建模的工具：创建持久化的类，诸如：棱镜、圆柱、圆锥、圆环；演示布尔操作(加法，减法和交叉)；应用嵌条，倒角和拉伸来拉伸结构；采用冲抵，去壳，变空，扫描制造结构模型；计算表面特性诸如表面、体积、重心、曲率；用投影，插值，近似计算几何体；管理实现对象的显示与操作行为的可视化服务，如三维旋转、变焦、遮光等操作。 　　2、应用框架主要有非几何应用数据和几何学的融汇、模型参数化以及创建图形用户界面的框架（GUI）等特色。 　　3、提供CASCADE模型输入输出功能和标准版的数据交换功能，如IGES和STEP。由于OCC技术是一个开源的软件开发平台，因此在数值建模软件如CAD\CAE\CAM的开发上得到了广泛的应用。

使用1500张佩戴口罩的图片和5000张没有佩戴口罩的图片训练成，识别精度高

量子密钥分发中Cascade协议的一种改进方案

该文件是用了330张正样本，1100左右负样本跑出的xml文件，个人觉得泛化性比较强，负样本与正样本的相似性应该要更大。后面会试验！这个效果总的来说可以识别人脸戴口罩。

The information diffusion model is a very important factor in study of the.influence maximization problem. This paper contains two notes. The first one is a.simplified proof of Kempe–Kleinberg–Tadös conjecture on general threshold mode1.of social influence. The second one is on the verification of a