为了避免人与物体之间相互遮挡，对小目标检测不准确，以及复杂光照强度对行人 检测的影响，针对这一问题，提出了一种多尺度聚类卷积神经网络 MK-YOLOv3 算法，来实现对行人的识别与检测。该算法是对 YOLOV3 进行改进，首先通过简单聚类对图像特征进行提取，得到相应的特征图，再通过抽样 K-means 聚类算法结合核函数确定锚点位置，以达到更好的聚类。针对小目标的浅层特征信息进行多尺度融合，提高小目标的检测效果。仿真结果验证了该算法在 VOC 数据集上对小目标识别的精度和速度上有较大提高，以及视频智能分析中有较高的召回率和精确度。

基于CUHK行人检测数据集制作的人头数据集，7000+正样本 ，该数据集大小为60*60，可用于Hog特征提取，进一步用于训练人体分类模型用于监控系统中的行人检测。

全套HOG+adaboost行人检测代码，包括adaboost分类器训练以及检测代码，能显示最终分类结果，其中pos和neg文件夹分别为正样本和负样本

基于Matlab的行人检测程序，基于Matlab开发的用于行人检测程序代码。自己训练的分类器导入进行视频行人检测 代码亲测可行，算法需要再完善 提高实时性

基于SVG和HOG的行人识别算法，是在matlab中实现，有完整的代码，解析，结题PPT。Optimize是多尺度变宽高比方法 MainCode就是固定宽高比多尺度方法 这两个是主函数，首次运行时，把第一行的TrainHogFeatureWithSVM取消掉。

OpenCV读入图片序列进行HOG行人检测并保存为视频 环境为VS2010 + OpenCV2.4.4 使用时请自行修改工程的include目录和lib目录配置。

从官网找到的, https://sites.usc.edu/iris-cvlab/ 希望对你有帮助

HOG 行人检测代码 代码不错可以运行，是基于SVM的，在matlab平台上

一种改进的YOLO_v3红外图像行人检测方法

本资源使用python和opencv实现了对视频序列中行人的实时检测（本程序包含了主程序和xml文档）