颜色分类leetcode Vechicle Detection Tracking 使用线性SVM分类器进行车辆检测和跟踪

颜色分类leetcode车辆检测和跟踪在这个项目中，我们的目标是编写一个软件管道来识别视频中的车辆，并在检测到的每辆车周围应用一个紧密的边界框。实施了以下步骤以实现目标：对标记的训练图像集执行定向梯度直方图(HOG)特征提取并训练线性SVM分类器此外，应用颜色变换并将合并的颜色特征以及颜色直方图附加到HOG特征向量。实施滑动窗口技术并使用训练有素的分类器来搜索图像中的车辆。在视频流上运行管道并逐帧创建重复检测的热图，以拒绝异常值并跟踪检测到的车辆。估计检测到的车辆的边界框。该项目由以下文件组成： Project.ipynb ：IPython笔记本，包含整个代码的分步描述、实现和执行。 ——数据我为这个项目使用了标记为和的数据集。这些图像来自三个来源：以及来自的视频。车辆和非车辆的示例图像如下所示：车辆非车辆这两个类具有大致相同数量的图像，从而形成平衡的数据集。但是有一个问题：事实证明，数据集中的许多图像都是快速连续拍摄的，导致图像非常相似。因此，将数据随机分成训练集和测试集将导致两个数据集之间的图像高度相关。为了解决这个问题，我确