HOG+SVM进行图片中行人检测，提供训练用的pos和neg样本，效果还可以；没有SVM工具箱的，压缩包里已经提供了，安装一下即可.rar

采用HOG特征对运动目标进行跟踪，实现了较好的效果，matlab实现

Hog特征提取,详细代码,输出的是特征大数组.

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HOG特征提取的图像分类器，HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。通过将整幅图像分割成小的连接区域称为cells，每个cell生成一个方向梯度直方图或者cell中pixel的边缘方向，这些直方图的组合可表示出所检测目标的目标）描述子。为改善准确率，局部直方图可以通过计算图像中一个较大区域称为block的光强作为measure被对比标准化，然后用这个measure归一化这个block中的所有cells.这个归一化过程完成了更好的照射/阴影不变性。

基于SVM+HOG的人脸检测matlab程序。内含libsvm-3.22 SVM库。 资源中tgrs2013_epfifr.rar可不需要解压，可以无视。 该程序自动读取人脸库文件夹下不同人物的照片，可实现遍历文件夹及子文件夹下包含的图片，进而提取特征利用SVM训练分类识别。这可以作为一个baseline，基础框架，在这个基础上可以提取更多特征进而提高识别精度。 由于人脸库是我们自己构造的，涉及了个人隐私，不能共享，所以本程序中人脸库文件下图像需要自己提供哦，然后自己构造相应的训练样本便可以运行了。

几个常用到的matlab图像处理工具箱：峰值检测；梯度方向图；多尺度血管增强滤波；

随着生活水平的不断提高，汽车成为人们生活不可或缺的一部分。汽车总量的不断攀升造成城市交通拥堵不堪，伴随而来是频发的交通事故。在这个背景下智能交通越来越受到人们的关注，与此相关的目标检测技术的研究也得到很大的关注，车辆检测就是其中一个关键的组成部分。车辆检测由于其本身具有的挑战性，例如车辆形状的不同，车辆的视角的不同，车辆的遮挡，光照的差异变化，使车辆检测成为一个十分困难的任务。当前虽然对于车辆检测的研究已经取得一部分的成果，但是现存算法任然具有局限性，在各种环境下无法得到让人满意的效果，因此本文针对车辆检测进行了研究。 本文所做的工作主要包括两个部分：一研究国内外该课题方向的研究现状，对比不同算法的优缺点，研究不同算子提取车辆特征的效果；二是基于前面的研究实现基于HOG特征与SVM分类器的车辆检测系统，验证研究算法的可行性。 经过车辆检测系统的仿真验证，本文研究的方法可以有效的提取图像中的车辆，效果良好，速度在可接受的范围内。

自己训练SVM分类器进行HOG行人检测. 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。 正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。 负样本是从不包含人体的图片中随机裁取的，大小同样是64*128。 SVM使用的是OpenCV自带的CvSVM类。

采用opencv实现的，训练人头检测分类器，900维，得到检测算子进行实时图像或视频检测，利用HOG特征，此检测算子准确率还可以，并将检测到各个目标保存为子图像，要想得到训练源码，发邮件：liuqingjie2@163.com.