1、yolov5-deepsort行人检测和跟踪，包含YOLOv5训练好的行人检测权重以及各种训练曲线，目标类别为person 2、可以生成行人运动轨迹 3、pytorch框架，python代码 4、结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

多传感器组合的行人室内定位算法研究.pdf

1、YOLOV5行人检测，内含各种训练曲线图，在几千张街道和交通场景的行人数据集中训练得到的权重，并附有数据集，使用lableimg软件标注软件标注好的行人数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为person; 可以直接用于YOLO系列的行人检测，map达90%多 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

行人检测数据集，包括已经标注好的xml文件和txt文件，数据集包含训练集测试集和验证集，下载解压后即可使用。

无人及行人检测数据集，包括已经标注好的xml文件和txt文件，数据集包含训练集测试集和验证集，下载解压后即可使用。

步态新人识别代码，github：https://github.com/ZhouHanyu18/gaitRecognition

这是一个基于hog的行人检测，只要你在这个文件下加上你需要检测的图片，以及安装opencv2.4.9即可完成检测。效果还是很不错的

针对目前主流的目标检测算法检测效率不高以及小目标检测困难的问题，提出一种改进的 SSD( SingleShot MultiBox Detector) 算法，并将其应用于道路环境车辆目标的检测。设计一个目标检测网络结构，对高层特征图不进行降采样，使用空洞卷积和深度可分离卷积层来提高模型性能，并使用 K-means 算法来对模型参数进行优化。在 Udacity 道路环境数据集上进行对比实验，结果表明，该算法对车辆目标检测的平均精准度达到了58． 01% ，检测速度达到了 86． 26 帧每秒，相比原 SSD 算法有明显提升。

1、yolo算法行人摔倒检测数据集，只对图像中的摔倒的行人进行了 标注，类别我为 fall，标签格式为VOC和YOLO两种格式，数据质量高，都是采集真实的各种场景的数据，使用lableimg标注软件标注，标注框质量高 2、 数量： 8500 3、可以直接用于yolo算法行人跌倒检测

1、YOLO行人跌倒检测数据集，7500多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOL摔倒的行人识别，可以区分和识别到跌倒的行人和正常的行人，数据场景丰富，类别名为跌倒fall和正常状态的行人person，一共两个类别 2、数量：7500 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743