现代社会的飞速发展对身份鉴别的快速性、准确性及安全性等方面都提出了更为严苛的要求，而生物特征识别技术的快速发展使得这一切成为了可能。其中，人脸检测与识别技术发展最为迅速，相对而言，这种方法更加直接、友好，也更便于在生产实践中得到广泛应用。如今，身份识别系统在诸多领域发挥着重要作用，其市场前景也十分广阔，研究更为快速有效的人脸检测与识别系统，对社会发展以及公共安全、国家安全等方面都有着十分重要的意义。

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。

红外图像中的行人检测，论文，来源于内部网，请勿用于商业用途

经典的行人检测算法，利用HOG和SVM实现此算法。已调试可以正常运行。

基于HOG和LBP特征的行人检测的matlab的程序，效果不错。

麻省理工学院（MIT）行人数据集，最早的行人数据集之一，一共924张图片，其原始图片格式为PPM，此文件为转换后的JPG格式图片。

排名第2的目标检测算法：基于加州理工学院2009年行人检测的文章：Integral Channel Features（积分通道特征）

网上有很多行人检测资源，环境VS2013+OpenCV，，，图像中行人检测，此外，在基础上 添加了视频中行人检测的代码，提取HOG特征，SVM分类器进行行人检测，