行人检测是实现智能交通与客流监控的关键技术，深度学习方法训练模型已经在行人检测领域取得了良好的效果。但是当训练样本质量不佳时，训练的模型往往不能得到令人满意的效果。为了提高雾霾天气与曝光较强环境下的行人检测效果，提出了将暗通道去雾算法应用于深度学习的样本预处理中，并使用快速深度卷积神经网络训练行人检测模型。在实验中，首先对10000张样本图片采用暗通道去雾算法进行预处理，之后分别使用有无暗通道去雾算法预处理的样本图片训练模型，最后比较这两种模型在不同场景下的模型检测准确率。实验结果表明，使用暗通道去雾预处理后的样本训练得到的深度模型具有更好的检测效果，在多种场景下的检测率都得到提升。

手工标注行人检测数据集，图片为jpg，共485张，xml485个。

这是Android实现人体检测APP Demo（可实时运行）；更多内容请查看： 行人检测(人体检测)1：人体检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/128821763 行人检测(人体检测)2：YOLOv5实现人体检测(含人体检测数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/128954588 行人检测(人体检测)3：Android实现人体检测(含源码，可实时人体检测)：https://blog.csdn.net/guyuealian/article/details/128954615 行人检测(人体检测)4：C++实现人体检测(含源码，可实时人体检测)：https://blog.csdn.net/guyuealian/article/details/128954638

由 Dalal和Triggs于2005年创建，是使用最广泛的静态行人检测数据库之一。数据集中图像尺寸为64×128 像素分为训练数据集和测试数据集。训练数据集中有正样本图像有614个，负样本图像1218 个；测试数据集中有正样本图像288个，负样本图像453个。

红外车辆行人检测数据集，几千张带VOC格式和YOLO格式标签的红外数据集

行人检测Opencv代码，通过HOG进行特征提取，SVM分类器分类。

基于yolov5+opencv实现车辆+行人检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.7z 检测的类别目标有：人、轿车、卡车、大巴车 带GUI界面、训练好的模型、评估指标曲线、loss曲线、精确度曲线、召回率等、项目说明 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

TUD的行人检测数据库，tud-crossing-sequence图像序列。

基于yolov5算法行人检测计数源码(带GUI界面)+模型(40多万个人形数据训练)+评估指标曲线+操作使用说明.zip 主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

行人检测系统探测车前的行人如果有人走入汽车的行进路线即会发出警告