搜索资源列表
LanePursue
- 利用模板进行道路追踪，并通过最小二乘法对模板追踪的图像进行曲线拟合。计算出曲线方程用于实现道路的识别-use template for road tracking, and through least squares method to trace the template image curve fitting. Calculated curve equation for the path of achieving recognition
c-group
- 采用模式识别中的C聚类方法对图像中的道路进行识别-using pattern recognition of the C clustering image identification of the road
Dtecteairport
- 雄壮的稳定的基于matlab机场道路的识别-magnificent based on the stability of the airport road Matlab Recognition
具有自检测功能的交通路标识别系统代码
- 具有自检测功能的交通路标识别系统代码。能自动识别常见的交通标志，检测道路信息。-Self-detection of traffic signs recognition system code. Can automatically identify common traffic signs, road information detected.
Electron_competition_VODATAACQ
- 使用SPCE061A开发数据采集系统，具有很大的市场前景。首先，它的易学、易用的编程语音、开发环境，可以使初学者迅速入门；其次它具有模块化的结构，内置7路10位的AD，简化用户的电路设计；再者，它具有语音识别、音频处理功能，使得用户可以开发出更智能化的产品。-SPCE061A develop the use of data acquisition systems, have great market prospects. First, it' s easy to learn, easy-t
zhinengshengkongbizhangxiaoche
- 基于SPCE061A为核心处理器，作为检侧和控制核心，实现语音信号的采集、处理和识别，采用了双电机驱动小车的行进和转弯，利用红外光电传感器检侧障碍物，实现自动避障。小车能根据经训练的语音命令自行控制其行驶状态，通过对小车的“喊话”这一语音命令，小车就执行相应动作，并且同时播放相应的声音。其他外围部件包括红外漫反射传感器、L298N驱动芯片、LED指示灯、扬声器等，通过单片机的I/O口与之相连并通过高低电平的变化受其控制以实现相应的功能。-Core processor based on SPCE0
signpost_recognize_fog
- Matlab编写的路标识别程序，可以对一幅图像中的多个路标进行识别。对雾化图片效果很好！-Matlab program written in road signs recognition, an image can be identified in a number of signs. Good effect on the atomization pictures!
Desktop
- 对智能识路小车的控制,识别迷宫，找到出路-Intelligent recognition of road vehicle control, identification of the maze, find a way out
lesson-1
- 利用URXWIE在set时串口仅响应地址信息。还有 RXWAKEset时所收到的是地址。实现的是利用闲路识别并 接收上位机发送的8B数据帧，存放于RX_BUF[8]数组内。 - Using URXWIE only respond to the address information in the set when the serial port. Also RXWAKEset received address. To achieve recognition is to use
matlablubiaoshibie
- 路标识别的matlab实现，实现了交通标志的自动识别。-Matlab implementation of the road sign recognition, automatic identification of traffic signs.
lubiaoshibie
- 用于对路标进行提取和识别！对于实验环境下的路标识别效果比较好！-To sign for extraction and recognition. For the test environment road signs recognition effect is better!
LcarRecogernii
- 车牌识别和定位的小程序 只支持BMP格式 里面带有设计的思思路文档 适合做课程设计用 识别率还行，已通过测试。 -The Sisi Road license plate recognition and positioning program only supports BMP format inside with design documents suitable curriculum design line recognition rate has been tested.
Moving-Vehicles-Detection
- ：本文结合实际路面状况，将模糊模式识别技术应用到汽车识别中，对汽车特征进行分 析，设计了适用于高速公路汽车防撞系统的汽车目标模糊识别算法，并完成相关的系统软硬 件设计与实现-This article combined with the real situation of the road, applied fuzzy pattern recognition to detection of moving vehicles, after analyzed characteristic o
chepaishipiesrc
- delphi车牌识别程序源码，在公路建设及管理中经常要监控过往的车辆，为开发同类程序的Delphi爱好者提供参考-delphi license plate recognition program source code, often in the road construction and management to monitor passing vehicles to provide a reference for the development of similar programs De
car-HOG1
- 这是SVM+HOG特征训练的路面卡口车辆的检测与识别。本程序识别率达到90 。-This is SVM+HOG feature bayonet training road vehicle detection and recognition. The program recognizes the rate of 90 .
car_detect_code
- vc6.0编写的用于道路监控中的一整套民用车辆和车牌识别程序-vc6.0 prepared for road monitoring a set of civilian vehicles and license plate recognition program
MFC_windows
- 车型识别，车颜色识别是道路交通系统研究的一个重要领域。本代码提供了一种车颜色识别的方法-Vehicle identification, vehicle road traffic system color recognition is an important area of research. This code provides a method for vehicle color recognition
03
- 能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。-Monitored to dete
04
- 能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。-Monitored to dete
hand-label
- 道路场景识别，通过对样本图像处理和特征提取，再通过bp神经网络进行学习，最后通过学习后得到的权值进行样本识别。-Road scene recognition, through the sample image processing and feature extraction, and then through bp neural network learning, and finally by learning the weights obtained after the sample ide