针对目前城市车辆越来越多、交通越来越拥堵的问题，使用图像处理技术计算车流密度，并结合PLC控制器智能控制交通灯的变换以提高车辆通过十字路口的效率。根据道路上车辆所占的总像素的比率计算交通密度，而不是直接计算车辆数量；通过设置交通时间和加权时间作为每条道路的输出参数，并根据道路流量自适应地决定各路口交通信号灯的时间分配。仿真实验结果表明，所提出的智能交通控制系统能有效减轻路口的交通堵塞压力，提高通行效率，并可以通过网络连接的方式，将该方法推广到对多个交通灯的连续控制。

1.修改后的视频理解TSM源码，一键训练。 2.数据集20bn-jester-v1的27类手势百度网盘下载整理。 3.backbone支持mobilenet-v2,resnet-50,resnet-101

用于运动目标的检测，灰度化，二值化，腐蚀膨胀之后能得到运动物体完整的轮廓

当今科技飞速发展，带来了智能交通的空前发达，也为经济可持续发展做出一定贡献。交通运输在一个国家的经济社会发展中起着助推器的作用。交通运输的监控与管理智能化也变得尤为重要。基于视频的车辆检测作为智能交通系统的基石， 具有直观性、大范围检测、安装和维护方便等优势，成为采集交通信息技术的有力工具。因而视频车辆检测研究具有非常重要的意义。 本论文利用视频图像处理技术对车辆进行检测与计数，主要包括以下内容： （1） 简要概述了视频车辆检测系统和图像处理基础知识。 （2） 介绍了三种基于视频的车辆检测方法。 （3） 介绍了基于车辆目标的图像处理方法，并配有MATLAB仿真结果。 （4） 提出了基于帧间差分法的车辆检测盒计数系统，并给出MATLAB仿真结果。 本文视频车辆检测系统是采用图像处理的方法进行设计，本研究有着一定的现实意义。

基于视频的人脸识别和人物重新识别的学习型判别聚合网络

一种基于视频分析的交通拥堵检测方法.pdf

介绍辅助驾驶技术研究，ADAS，主要讲解车道检测功能实现的各项关键技术，图像预处理、边缘检测、车道绘制、车道偏离预警功能模块进行了研究，硬件设计方案实现等内容。

运动目标检测opencv完整代码，包含帧处理函数，空格键控制暂停、开始。

本文针对视频监控中的车辆检测跟踪问题，具体研究了在昼间车流密度较 高情况下以及在夜间车辆的检测与跟踪算法。 首先针对昼间车流密度高的特点将类 Haar+Adaboost 分类器的统计学习方 法用于昼间车辆检测，并在检测后进行一定后处理去除虚警。实验结果表明， 在车流密度较高的情况下仍能快速地检测出车辆，明显优于运动目标检测的效 果！ 在注释中讲吧，佛楼米！

本方法主要使用了图像的颜色特征和尺度不变特征SIFT以及加速鲁棒特征SURF对候选区域进行筛选，并结合火焰的运动特性来判断。系统由以下三部分构成：1）提取火焰候选区域；2）构建视觉词典，通过颜色纹理特征对候选区域进行分类；3）时间维度上验证。 相比于现有的火焰检测算法，本方法能够更加高效准确地检测出视频中的火焰。另外，我们收集并发布了目前为止最大的火焰检测数据集。我们相信这对于火焰检测领域的科研和实际应用都是很有帮助的。