HOG+SVM的行人（图片和视频）检测码源及所需样本

基于方向梯度直方图(HOG)特征和局部二值模式(LBP)算子的行人检测算法采用滑动窗口搜索策略存在扫描区域过大和计算复杂的问题,存在的这些问题会导致检测速度慢。鉴于此,提出一种行人检测算法。首先,采用

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

1 安装 anaconda+python3.8(已下载好,在环境压缩包里) https://www.anaconda.com/products/individual/get-started-comme

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

针对目前矿井行人监测方法存在检测准确度不理想、报备信息少的问题,设计了基于视频的矿井行人越界检测系统。该系统以混合高斯背景建模为基础,利用行人越界检测算法识别出视频流中运动的行人目标,并在识别目标的基

通过图像HOG特征提取描述和SVM线性分类器的训练学习,得到对自定义对象的检测模型。内含两个自定义对象的正负样本图像和测试图像可供测试。

行人检测在安保领域、无人驾驶领域、机器视觉领域以及多媒体分析领域等具有广泛的应用;针对目前行人检测技术运算量大、实时性差等不足,提出了一种Hadoop云平台下基于梯度直方图(HOG)特征和Adaboo