基于HOG和SVM的行人检测视频

python利用hog+svm进行行人检测，并可以进行简单的跟踪

对图像和视频中的不同类别的对象的检测是计算机视觉研究的基本任务。行人检测是一个热门的研究课题。行人是交通系统中的主要参与者,所以对视频监控系统中的行人检测对智能交通系统的研究和应用有着重要的意义。由于

采用OpenCV3.4.2开源库，基于混合高斯模型（GMM）实现监控视频移动物体实时检测，使用OpenCV默认的行人检测模型实现了监控视频的行人检测，将两种功能集成到C++的MFC界面中，通过打开摄像

为解决遮挡、姿态变化等局部变化引起的行人检测性能下降问题,提出一种融合全局和局部特征的行人检测方法。首先,将人体分为全局和局部6个部件;然后,改进Haar-like特征描述子,用于快速提取人体局部部件

作者：BERNTSCHIELE其是计算机视觉以及模式识别方面权威人士，本文重点总结HOG+SVM在分类识别方面的性能，并同其它算法如Adboost,Shapemodebased等都作为了比较，相信对于

本代码中有利用opencv中封装的svm如何进行分类的示例。而且对于svm和hog的每个变量的含义都做了注释。

可用于检测行人的街头视频.rar

可用于检测行人的街头视频，可适用于opencv、机器学习、深度学习等的视频检测

现代社会的飞速发展对身份鉴别的快速性、准确性及安全性等方面都提出了更为严苛的要求，而生物特征识别技术的快速发展使得这一切成为了可能。其中，人脸检测与识别技术发展最为迅速，相对而言，这种方法更加直接、友

为解决HOG行人检测过程缓慢的问题,在梯度向量直方图HOG中引入block权重的概念,通过合理筛选block,组成行人的特征向量,然后使用线性SVM作为分类器,重新进行学习,达到减少信息冗余、提高检测