Speed-Estimation-of-Vehicles-with-Plate-Detection: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）

[{"title":"（ 8 个子文件 411KB ） Speed-Estimation-of-Vehicles-with-Plate-Detection: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）","children":[{"title":"Speed-Estimation-of-Vehicles-with-Plate-Detection-master","children":[{"title":"Speed_Estimation_&_License_Plate_Detection.py <span style='color:#111;'> 34.59KB </span>","children":null,"spread":false},{"title":"myhaar.xml <span style='color:#111;'> 366.83KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 4.75KB </span>","children":null,"spread":false},{"title":"Images","children":[{"title":"License_Plate_Detection.jpg <span style='color:#111;'> 90.15KB </span>","children":null,"spread":false},{"title":"Speed_estimation.jpg <span style='color:#111;'> 79.99KB </span>","children":null,"spread":false},{"title":"Truck_detected.jpg <span style='color:#111;'> 38.15KB </span>","children":null,"spread":false},{"title":"Characters_segmentation.jpg <span style='color:#111;'> 41.78KB </span>","children":null,"spread":false}],"spread":true},{"title":"finalized_model.sav <span style='color:#111;'> 1.95MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]