第五弹-yolov5模型 距离估算，速度估算

已于 2024-12-02 01:46:18 修改
阅读量368 收藏 1
点赞数 3
分类专栏： 华为昇腾香橙派yolo设计实战 文章标签： YOLO
于 2024-07-20 04:11:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiujiti6871/article/details/140564177
版权
  • 这是对第三弹应用的再次升级
  • 实现了对距离的估算和速度的估算，注意了是估算
  • 理论上是距离是可以准确测量的(误差5%)，速度也是可以大致估算出来
  • 但是前提是要满足一些前提条件，比如卡口摄像单元的内参，外参，识别模型的识别框稳定性等

  • 首先先贴出效果图，可以明显看到车辆和高速高架拍摄点之间距离和车辆的速度估算值
  • 注意由于未知卡口摄像单元的内外参，以及高度，所以图示结果与实际是有出入的

20240720_033950.gif

  • 距离的测算实际是三个坐标系的互换
    • 图像坐标系与相机坐标系
    • 相机坐标系与世界坐标系
    • 具体可参照下图，引用于网络

cke_68881.png

  • 通过矩阵相乘两个坐标系转换矩阵 ，从而将图像坐标系转换到世界坐标系，进而得到距离distance
  • 而测量速度，有很多种方式，原理都是距离/时差 等于速度，不同点在于怎么测量距离变化
  • 可以用稠密光流法，cv就有对应的库，但本单元使用的是差帧算法，光流法其实也可以算差帧算法
  • 本章是用不同帧段测量到的distance做一个平均滤波再来 求速度 ，效果如上gif，可见还是有些波动的，后期可做改进
  • 当然各位老师有更好更稳定的方法也还望能在下方评论区 多多交流，感谢

  • 根据道路交通智能摄像机通用技术要求- T/CITSA 02-2020
    • 识别类要求 现有现成模型都能实现
    • 再结合深城交发布的宣传视频，这五弹基本能实现对标功能
  • 当然在模型精度上，并没有做单独训练，所以识别精度有很大提升空间

cke_245732.png

使用YOLOv5进行车辆、行人、车牌识别和车速检测
web_bug407的博客
09-17 1491
首先，我们加载训练好的模型权重文件，并创建了车辆、行人和车牌检测器。对于每一帧，我们首先进行车辆的检测，并在图像上绘制车辆的边界框。然后，我们对每个车辆进行行人和车牌的检测，并在图像上绘制相应的边界框。最后，我们使用前一帧和当前帧的图像来计算车辆的速度，并在图像上显示速度信息。在本文中，我们将使用YOLOv5来实现车辆、行人、车牌的识别，并结合车辆的速度信息进行检测。由于YOLOv5的模型较大，这里我们将使用预训练的权重文件。现在，我们可以编写代码来实现车辆、行人、车牌识别和车速检测了。
基于YOLOv5+deepsort算法实现车辆检测测速系统
走向CTO的路上...
06-24 2727
在主循环中，我们首先获取一帧图像，然后使用 YOLOv5 模型进行车辆检测，得到检测结果。然后，我们使用 Homography 对象计算每辆车的速度，并在图像中绘制车速信息。在上述代码中，我们首先导入了需要用到的模块和类，包括 YOLOv5、DeepSort、Homography 等。上述代码中的权重文件和相关文件路径需要根据具体的需求进行设置，而且需要根据实际情况选择适合的配置参数。另外，车速的计算需要根据实际的相机内外参进行计算，需要根据实际情况进行配置。函数用于在图像中绘制检测到的车辆框，
_yolov5单目测距+速度测量+目标跟踪_算法介绍
2401_88441190的博客
01-28 943
深度学习目标检测中的_yolov5单目测距+速度测量+目标跟踪_算法介绍
yolov11速度估计+距离测量+轨迹跟踪+计数+代码+教程
QQ_1309399183的博客
12-13 1992
yolov11速度估计+距离测量+轨迹跟踪+计数+代码+教程
YOLOv5+单目跟踪测速（python）
积极向上的mr.d的博客
05-05 2951
yolov5+单目实现三维跟踪测速功能，具体详见文章
智慧交通-基于深度学习YOLOv5实现道路车辆行人检测及行驶速度识别系统python源码(含模型+使用说明+报告文档).zip
05-06
智慧交通-基于深度学习YOLOv5实现道路车辆行人检测及行驶速度识别系统python源码(含模型+使用说明+报告文档).zip 【资源介绍】 该项目包含完整源码+模型+算法文档+报告文档+使用说明， 使用时，请先看项目使用说明和doc文档资料。 按照要求一步步搭建环境，搭建好后，即可运行程序， 可在runs/detect文件夹下查看识别检测后的视频效果。 支持本地视频、网络摄像头、rtsp、rtmp网络视频流实时检测识别(电脑要有显卡，正确安装cuda和cudnn) 请放心下载使用！可用于毕设和实际项目开发，可部署到服务器。 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习、matlab、cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码和项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。
2024年 yolov5/v8车辆识别+行人识别+车牌识别+车速检测代码（python）
sybh的博客
01-30 5443
行人识别yolov5和v7对比yolo车距yolo车距1。
yolo11交互式实时距离测量和单目测距与社交距离检测
qq1309399183的博客
12-29 1221
计算机视觉实战项目4(图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A_路径规划+单目测距与测速+行人车辆计数等）
【AI视野·今日CV 计算机视觉论文速览 第224期】Tue, 22 Jun 2021
TomRen
06-24 2508
AI视野·今日CS.CV 计算机视觉论文速览 Tue, 22 Jun 2021 (showing first 100 of 122 entries) Totally 100 papers ????上期速览✈更多精彩请移步主页 Daily Computer Vision Papers Towards Long-Form Video Understanding Authors Chao Yuan Wu, Philipp Kr henb hl我们的世界提供了永无止境的视觉刺激流，但今天的Vision
【AI视野·今日CV 计算机视觉论文速览 第169期】Fri, 22 Nov 2019
TomRen
11-25 1955
AI视野·今日CS.CV 计算机视觉论文速览 ---三维重建 ---2D3D描述子 ---边缘点文本检测 ---图像去雾
【读书笔记】第一本无人驾驶技术书 笔记汇总 1
笑扬轩逸的博客
07-29 2840
作者简介：  吴双，原百度研究院硅谷人工智能实验室高级研究员，百度美国研发中心高级架构师。美国南加州大学物理博士，加州大学洛杉矶分校博士后，研究方向包括计算机和生物视觉，互联网广告算法，互联网文本和视频的推荐系统，语音识别和自然语言处理，曾在NIPS等国际会议中发表文章。  刘少山，PerceptIn联合创始人。加州大学欧文分校计算机博士，研究方向包括智能感知计算、系统软件、体系结构与异构计算。...
【最佳实践策略】：构建大规模数据集的高效方法
!... # 摘要 本文全面探讨了大规模数据集的构建、存储、处理与优化。首先概述了大数据集的重要性及其在采集过程中的理论基础和实践技术，包括挑战、网络爬虫技术、数据质量控制与验证。随后，本文对高效数据存储架构...
项目2：使用Yolov5和deepsort实现车辆和行人目标跟踪，实时计算目标运动速度和加速度（有检测超速功能）
weixin_46295292的博客
01-24 5039
项目演示视频 项目演示视频可以跳转到哔哩哔哩观看：https://www.bilibili.com/video/BV1RT411Z7kD/?vd_source=805c57038e291405fe38f3adefa0f2d2 项目简介 本项目使用Yolov5+DeepSort实现车辆、行人跟踪，并实时统计各类别目标数量，以及测量目标运动速度、加速度，对于超速的车辆进行标记保存。 项目支持对高分辨率的视频进行检测，可以使用滑动窗口检测，具体的做法就是按照指定的滑动步长以及窗口大小，对每一帧的图片进行切割，例
yolov5车辆识别+行人识别+车牌识别+车速检测代码（python）
sybh的博客
03-26 902
行人识别yolov5和v7对比yolo车距yolo车距1。
改进Yolov5目标检测与单目测距 yolo速度测量-pyqt界面-yolo添加注意力机制
QQ_1309399183的博客
10-27 1086
改进Yolov5目标检测与单目测距 yolo速度测量-pyqt界面-yolo添加注意力机制 #单目测距 #开题选题报告 #毕业设计
基于yolov5的目标检测和单目测距
XiaoLanZi7k7k的博客
09-14 2万+
快速入门基于yolov5的目标检测和单目测距
深度学习目标检测：YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码)
热门推荐
AI吃大瓜的博客
12-16 2万+
深度学习目标检测：YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码); 红绿灯数据集，交通信号灯数据集；红绿灯检测；交通信号灯检测
YOLOv5目标之间距离计算
年少的勇气已经用完，剩下的就是三思而后行
11-03 767
YOLOv5目标之间距离计算
yolo计算目标速度
最新发布
02-07
### 使用YOLO算法计算检测目标速度的方法 #### 方法概述 为了利用YOLO算法来估计移动对象的速度，通常需要结合连续帧之间的位置变化来进行分析。具体来说，在视频序列中应用YOLO模型对每一帧执行目标检测操作，记录下各个时刻被标记物体的位置坐标以及时间戳信息。 #### 实现过程 ##### 数据获取与预处理 首先读取一段含有运动车辆的视频文件，并将其分解成一系列静态图片即帧图像用于后续处理： ```matlab videoFileReader = VideoReader('traffic.mp4'); frames = []; while hasFrame(videoFileReader) frame = readFrame(videoFileReader); frames{end+1} = frame; end ``` ##### 应用YOLO进行多帧检测 接着调用训练好的YOLO网络逐一对这些帧实施预测工作，提取出感兴趣区域（ROI）内的边界框参数[x, y, w, h]表示矩形左上角顶点横纵坐标加上宽度高度值；同时保存对应的时间标签t_n秒数作为参考依据以便稍后求解瞬时速率v=Δd/Δt: ```matlab % 假设已经加载了一个名为net的YOLO v3网络结构实例 bboxes = cell(1,length(frames)); scores = zeros(length(frames), 1); for i = 1:length(frames) [bbox,score] = detect(net, frames{i}); bboxes{i} = bbox; % 存储每张图上的所有边框 scores(i) = score'; % 各类别的置信度得分 drawnow limitrate; % 更新显示进度条 end ``` ##### 计算位移向量及平均速度 最后选取相邻两帧间同一ID编号下的中心点P(x,y)，按照欧几里得距离公式\[ d=\sqrt{(x_2-x_1)^2+(y_2-y_1)^2}\][^1] 来衡量它们之间沿直线方向上的相对偏移程度大小，再除以两者间隔的实际持续周期T得出单位时间内行驶路程长度S/T也就是常说的线性前进速率V。 注意这里假设摄像头固定不动且拍摄视角稳定不变的情况下才能获得较为精确的结果测量值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

william_myq

你的鼓励是我继续的动力！！！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值