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。
2021-01-28 02:33:33
1.07MB
1
本资源为KAIST数据集中的训练集进行清洗过后产生的7601张图片，并且对于部分标注效果较差的标签进行重新标注。详情请访问博客https://blog.csdn.net/Lcd_2018_7_18/article/details/103064150
2020-01-03 11:24:24
7.43MB
1
本资源为KAIST数据集中的测试集集进行清洗过后产生的2252张图片，并且对于部分标注效果较差的标签进行重新标注。
2020-01-03 11:24:24
81KB
1
应用非极大抑制方法，可排除候选的重叠检测。我运行的环境为Python3.6(Anaconda3)+OpenCV3，IDE：PyCharm
1.其中如果安装Anaconda3就可以少安装很多库
2.如果安装了Anaconda3，就只需要配置一个库imutils
3.imutils安装方法
pip install imutils
确保imutils版本大于v0.3.1
pip install --upgrade imutils可以更新版本
2019-12-21 22:24:03
6.66MB
1
这个利用行人HOG特征通过SVM分类器进行分类的代码。程序运行环境为VS2013+OpenCV2.20。程序内可以选择Opencv自带的行人检测算法，也可以自己训练HOG特征进行检测。如果自己训练的话，需要在D盘建立一个文件（具体文件名程序中有）里面存在训练的正负样本，和测试样本。具体D盘的这个文件夹在本人自愿中已上传，需要请自行下载。
2019-12-21 22:22:26
6.52MB
1