varshi0905/traffic_violation

# 交通违规检测 这是一个计算机视觉 pipeline，它使用 YOLOv8 进行目标检测，并结合自定义逻辑来识别未戴头盔、三人骑行等交通违规行为，同时使用 TrOCR 读取违规车辆的车牌号码，将其与时间戳一起存储在 SQLite 数据库中。 ## 流水线 1. YOLOv8 处理输入视频的每 30 帧画面 2. 头盔检查 - 将头盔与骑手进行匹配，并标记未戴头盔的骑手 3. 三人骑行 - 对自行车附近的骑手进行分组；如果人数 >= 3，则标记为违规 4. 使用 OpenCV 进行车牌预处理 - bilateralFilter、锐化、CLAHE 5. 将处理后的图像传递给 TrOCR 进行 OCR 6. 使用印度车牌正则表达式进行验证并保存 演示 # 数据库表 (SQLite)

标签：AI, CLAHE, OCR, OpenCV, Python, SQLite, Tesseract OCR, TrOCR, YOLOv8, 三人共骑检测, 交通监控, 交通违规检测, 人工智能, 光学字符识别, 双边滤波, 图像增强, 图像处理, 图像锐化, 图像预处理, 数据库, 无后门, 智慧城市, 智能交通, 未戴头盔检测, 深度学习, 用户模式Hook绕过, 目标检测, 目标跟踪, 自动化代码审查, 自动车牌识别系统, 视觉算法, 视频分析, 视频处理, 计算机视觉, 计算机视觉流水线, 超载检测, 车牌识别, 车辆号牌识别, 违规抓拍, 逆向工具