AI吃大瓜的博客

这是项目《智能驾驶 车牌检测和识别》系列之《C++实现车牌检测和识别（可实时车牌识别）》；本项目将开发一个C/C++版本的车牌检测和识别，其中车牌检测算法采用YOLOv5模型，车牌识别算法采用PlateNet模型；

智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》，pytorch实现车牌检测和车牌识别，CRNN车牌检测和车牌识别；LPRNet车牌检测和车牌识别；车牌号识别

车牌检测和识别（二）《YOLOv5实现车牌检测（含车牌检测数据集和训练代码）》；YOLOv5车牌检测，Pytorch车牌检测；License Plates Detection

智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》，车牌检测数据集，车牌识别数据集；CCPD数据集

这是项目《智能驾驶 车牌检测和识别》系列之《Android实现车牌检测和识别（可实时车牌识别）》；本项目将开发一个Android版本的车牌检测和识别APP；Android车牌检测，Android车牌识别，Android车牌检测和识别

本文介绍了一种基于单目视觉的车距测量与速度估计技术方案。文章对比了四种测距方法：基于物体尺寸、相机几何、消失点透视和深度学习，最终采用深度学习单目深度估计模型实现。方案通过目标检测定位车辆位置，结合深度图计算距离，并利用视频帧间距离变化计算速度，支持交通监控（摄像头静止）和行车记录（摄像头运动）两种场景。项目提供完整的Python代码和模型文件，包含车辆检测、深度估计、测距和测速功能，并针对不同场景分别优化。文章还详细说明了环境配置、实现原理和演示效果，为智能交通和自动驾驶应用提供了低成本视觉解决方案。

C++实现疲劳驾驶检测和识别；疲劳驾驶检测和识别；提供C/C++版本的人脸检测模型提供C/C++版本的疲劳驾驶识别分类模型

疲劳驾驶检测和识别3：Android实现疲劳驾驶检测和识别(含源码，可实时检测)，android疲劳驾驶检测和识别

疲劳驾驶检测和识别2：Pytorch实现疲劳驾驶检测和识别(含疲劳驾驶数据集和训练代码)；驾驶异常行为识别，疲劳驾驶识别，疲劳驾驶检测

疲劳驾驶检测数据集，疲劳驾驶分类数据集；疲劳驾驶数据集；fatigue driving dataset;

YOLOv5实现车辆检测(含车辆检测数据集+训练代码)；机动车检测，车辆实时检测；车辆目标检测；Pytorch车辆检测

Android实现红绿灯检测(含Android源码 可实时运行)； android红绿灯检查；android交通信号灯检测

交通信号灯(红绿灯)检测数据集：Traffic-Lights-Dataset-Domestic和Traffic-Lights-Dataset-Foreign；前者是在国内收集到的红绿灯检测数据集，共3053张；后者是从国外收集到的红绿灯检测数据集，共10142张；两者数据集都已经标注好红灯、绿灯、黄灯，可直接用于目标检测模型训练。

车辆检测数据集，UA-DETRAC车辆检测数据集； BITVehicle车辆检测数据集；将UA-DETRAC转换为VOC数据格式；UA-DETRAC车辆检测数据集下载； BIT-Vehicle

Android实现车辆检测(含Android源码 可实时运行)，android车辆检测，android机动车检测；android yolov5车辆检测