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,采用选择性搜索算法对目标区域进行定位,并将候选区域的高宽比限制在一定范围内以筛选无效窗口。然后,为了弥补LBP算子在纹理表达上的缺陷,引入完备的局部二值模式(CLBP)算子来提高纹理特征的表达能力。接着,考虑到HOG特征和CLBP算子特征维数过高对分类器的识别能力产生影响,采用主成分分析的方法分别对HOG特征和CLBP算子进行降维,降维后再进行串联融合。最后,引入困难样本的挖掘过程训练支持向量机分离器,这可以使模型训练得更充分,进而降低误检率。在INRIA数据集上仿真结果表明,所提算法在识别率和识别速度上都有一定的提高。

基于HOG和SVM行人检测算法的FPGA实现，朱秋龙，王振宇，行人检测技术目前已广泛应用于人们的生活和工作中，在不同的场合对行人检测技术提出不同的要求。由于在某些特定场合对行人检测的

在vs2013版本以上，利用opencv实现对运动目标的检测，能够将AVI、MP4、RMVB等文件中的移动的目标圈出来并动态更新，适用于新手学习机器视觉。

针对日常生活中的行人安全问题，本文采用一种基于彩色和红外特征的多模式行人检测方法，提高行人检测的精度。本文通过分类检测障碍物和行人区域的颜色和红外特征，设计一个多模式三焦框架，将检测得到的多模式图像特征结合在一起，促进多模式行人检测的发展。实验结果表明，当颜色、视差和红外特征结合使用时，该方法检测性能显著提高。

可用于检测行人的街头视频.rar

基于提高红外图像行人检测准确率的目的，提出了一种基于多特征的红外行人检测算法。首先提取训练样本的梯度方向直方图特征和强度自相似性特征，利用二者相结合得到联合特征训练支持向量机（SVM），之后利用滑动窗口法対整幅红外图像进行遍历，用训练好的SVM进行分类检测。在LSI Far Infrared Pedestrian Dataset数据库上实验证明，基于多特征的检测方法相较于单一特征的方法提高了红外行人检测的精度，降低了误检率和漏检率。

用C++和opencv，实现基于HOG和SVM的行人检测，注释完整

用Python进行人脸识别附源码，进行了多张图片的测试，可以很精准的定位在人脸的部位，以方框来标记人脸部位，和android智能手机拍摄时的人脸识别效果相似，但代码差别就大了，有兴趣的下载完整源代码吧。 　　调试时，请参考源码包中的运行路径.jpg和运行命令.txt两个文件。

该工具基于微信中的宜出行提供的数据接口进行爬取，能够爬取一定范围内的当前时间点的人流量数据。

哈尔滨工业大学硕士论文-基于机器学习的行人重识别算法研究-数学-18S012020-薛超杰