用matalab实现的是图像的二分类，hog用于图像的特征提取，svm表示的是对特征的分类。

这是hog+svm行人检测算法中D盘的文件，把这个压缩包解压到D盘，并结合hog+svm行人检测算法中的代码使用。把待检测的图片放入TestData这个子文件夹中即可

基于HOG+SVM的行人检测算法实现代码和设计报告

图像分类算法：第一张图像显示的是提取到的HOG特征，这个主要可以初步了解下特征是否选择的合适，不合适可以调节extractHOGFeatures里面的参数，如cellsize,blocksize,bins等，具体可以参考这个点击打开链接 http://cn.mathworks.com/help/vision/ref/extracthogfeatures.html?searchHighlight=extractHOGFeatures&s_tid=doc_srchtitle。本程序选择的默认参数，从图1可以预览到特征分别合适。

利用matlab里自带的HOG函数进行指纹活性检测

行人检测分类器的训练，训练完可测试效果如何，注意样本的路径问题 行人检测分类器的训练，训练完可测试效果如何，注意样本的路径问题

1.准备训练样本；2.对样本进行Hog+Svm的训练；3.运用test图片进行预测

利用hog+svm训练识别模板，内附详细的代码说明

基于python的行人检测svm hog，参考链接：https://blog.csdn.net/babyai996/article/details/117220250

代码主要是用python3.6实现的，其中包含一个用于车辆检测的数据集，代码完整可用，不仅可以检测单目标，对于多目标的检测效果也比较好，测试集只需正样本和负样本的图片即可。解压文件后，运行bin文件夹下的test-object-detector.py文件即可。