基于Python视频的行人流量密度检测代码，python3.6.5

完整英文版 IEC 60335-2-77：2002 Household and similar electrical appliances - Safety- Part 2-77：Particular requirements for pedestrian controlled mains-operated lawnmowers（家用和类似用途电器 - 安全 - 第 2-77 部分：对行人控制的主干割草机的特殊要求）。处理主要用于家庭或类似用途的步行控制的电源操作电动滚筒或旋转割草机的安全，其额定电压不超过 250 V 单相。它不适用于草坪修剪机、草坪修边机、草坪修边机、连枷割草机、镰刀杆割草机或农用割草机。

C++2013+OpenCV2413环境下，自己训练svm分类器包括一些测试图片以及测试结果 刚开始实验样本量不是很多 亲测有效 现在想进行视频行人检测 有大神可以留下联系方式 有问题请教

行业分类-设备装置-单目摄像机垂直视角下基于Blob的行人计数方法.zip

利用pycharm自带的opencv插件，编写好python代码，用SVM+HOG进行机器学习，能对一段视频进行行人检测

包括tensorflow官方训练的四个模型和官方编译的库文件：物体识别、多重行人检测、图像风格转换、语音识别、libtensorflow_inference.so库文件和libandroid_tensorflow_inference_java.jar库文件包含jdk7版本和jdk8版本，我的项目用jdk8报错，因为我环境低，换了jdk7的就好了，所以这里给大家都提供下，各取所需吧。

基于深度学习的行人重识别探究.pdf

行业分类-作业装置- 一种基于行人跟踪的加油枪定位方法.zip

针对复杂环境下运动物体的表面温度测量，实现了一种基于热红外图像与可见光图像相结合的 物体表面温度检测方法。首先在可见光图像下检测运动物体的感兴趣区域，在仿射变换的基础上实现 一种修正方法实现图像的精确配准，实时地将可见光图像的感兴趣区域映射到热红外图像上。然后对 热红外图像进行图像运算，最终获取运动物体特定区域的温度。以行人的人脸为研究对象，实验结果 表明，对非正面、轻微遮挡的人脸有较高的准确率，并且能快速地检测特定运动对象的表面温度，该 方法测量误差在 0.2℃内

多光谱行人检测资源 用于多光谱行人检测的资源列表，包括数据集，方法，注释和工具。 数据集 ：KAIST多光谱行人数据集由从车辆中提取的95k色温对（640x480，20Hz）组成。 手动注释所有对（人，人，骑自行车的人），总计103,128个密集注释和1,182个唯一的行人。 注释包括边界框（如Caltech Pedestrian Dataset）之间的时间对应关系。 ：CVC-14数据集由两组序列组成。 这些序列被命名为昼夜设置，这是指它们被获取的当天的时刻，Visible和FIR取决于用户对序列进行记录的摄像机。 用于在白天训练3695张图像，在夜间训练3390张图像，每个序列带有大约1500条强制性行人注释。 用于测试两个序列的约700张图像，白天约有2000名行人，晚上约有1500名行人。 ：同步的带注释的热图像和非带注释的RGB图像，以供参考。 应该注意的是，红外图像和RGB