1.代码原理 该程序逐个读取帧图片，并对帧图片逐个进行多行人检测、多目标追踪。该方法是在线方法，将逐个读取帧图片改为逐帧读取视频即可实现在线处理视频。 1.1 多行人检测。 使用gluoncv中的预训练模型faster_rcnn_fpn_bn_resnet50_v1b_coco实现多行人检测，这一步骤见detect.py。 1.2 多目标追踪。 使用sort算法实现多目标追踪，详见https://github.com/abewley/sort。 2.代码部署 2.1 配置环境。 安装python==3.6，安装requirements.txt中要求的库（代码运行实际用到的库可能少于该文件，因此建议根据代码安装所需要的库）。 2.2 准备数据。 有两种方法准备数据： 2.2.1 将A-data文件夹放入当前目录，A-data文件夹中为Track1 Track2等子文件夹，每个子文件夹中存有.jpg帧图片。 2.2.2 修改run.py的第97行，将input_folder改为A-data文件夹所在路径。 2.3 运行程序run.py。 2.4 程序输出。 程序运行时会打印处理进度及估计的剩余时间。 程序运行完成后，会在当前目录下生成output文件夹，文件夹中存有Track1 Track2等数据集对应的检测结果，.avi文件用于观察检测追踪效果，.txt文件是用于提交的文本文件。 3.调参 3.1 多目标检测模型的选择。 修改detect.py第10行(YOLO.__init__)即可，可选模型及其名称、效果详见gluoncv官网 3.2 sort算法参数的修改。 run.py第34行，参数含义见sort.py。 3.3 将sort改为deepsort。 详见https://github.com/nwojke/deep_sort。 TODO：经尝试，经deep_sort处理后的检测框位置有变形、偏移现象，待解决。 3.4 输入输出路径见run.__main__

自己训练SVM分类器进行HOG行人检测-附件资源

基于边缘对称性的车辆前方行人检测方法研究

资源为行人检测完整跑通代码，主要采用hog+svm进行实现，文件中包含各个代码的各个目录以及cmakelist等编译文件，训练图片较大以去除，训练图片下载及代码说明可参见博客：https://blog.csdn.net/yph001/article/details/83053475

行人检测特征提取_HOG和adaboost检测行人论文总结报告

行人检测跑数据集所需的样本库

行人检测视频 hog 检测 直接可以使用，不用配置环境

包含三个压缩包分别是: Pets2009行人检测数据集view1包含 pos-norm64x128：2514个正样本（64x128） neg:5000负样本 view_1(png):视频转换后的png格式源图片,由于上传大小限制，只上传100张。

包含MIT行人数据集和USC行人数据集 MIT数据集是较早公开的行人数据库。共924张行人图片（ppm格式，宽高为64x128），肩到脚的距离约80象素。该数据库只含正面和背面两个视角，无负样本，未区分训练集和测试集。Dalal等采用“HOG+SVM”，在该数据库上的检测准确率接近100%。 USC行人数据集包含三组数据集（USC-A、USC-B和USC-C），以XML格式提供标注信息。USC-A[Wu, 2005]的图片来自于网络，共205张图片，313个站立的行人，行人间不存在相互遮挡，拍摄角度为正面或者背面；USC-B的图片主要来自于CAVIAR视频库，包括各种视角的行人，行人之间有的相互遮挡，共54张图片，271个行人；USC-C有100张图片来自网络的图片，232个行人（多角度），行人之间无相互遮挡。

USC行人数据集，用于行人检测的行人数据集，现在官网下载复杂，这里提高一份资源，下载即可使用。有问题请私聊或留言，必定解决，谢谢。