VOC格式标注行人的数据集+1000 person picture，可用作训练模型和测试模型，train，test，val，person.names,person.data

为更加真实地反映行人横穿马路时的轨迹，建立了基于 Markov 的行人运 动学模型，以此作为行人避撞的模型基础。 ② 针对横向避撞路径规划问题，提出了基于行人轨迹的转向避撞规划方法。 在已知行人轨迹的基础上，使用改进的弹性带对车辆的避撞路径进行规划，并通过 车辆与行人的可达性分析来判断避撞路径是否需要更新，提高了路径规划的安全 性。 ③ 将路径规划算法与 RRT 算法、人工势场路径规划算法进行比较，分析其在 路径平顺性、安全性等方面的优势。研究表明了弹性带规划算法在行人避撞路径规 划上的优越性。 ④ 基于模型预测控制和车辆动力学模型，对已规划好的路径进行横向跟踪控 制，并通过划分车辆避撞区域来对纵向避撞控制策略进行分析。根据避撞场景、行 人位置和行人横穿马路时间等指标，提出了车辆对行人避撞的纵横向控制切换策 略，完善了车辆在多种工况下的行人避撞需求。 ⑤ 为进一步验证所设计的行人避撞控制系统的有效性，搭建了基于 Prescan 和 Carsim、Matlab\Simulink 的联合仿真实验平台，通过多组行人横穿马路工况的 仿真实验，验证了该系统在纵向避撞和横向避撞控制上的鲁棒性和安全性。

首先分析了行人典型动作特征所表示的行走意图，揭示了行人在不同行走轨 迹下的动态特征转移规律；通过 7 层卷积神经网络模型识别行人在不同运动状态 下的典型动作特征，并基于动作特征的变化情况模拟了 4 种行人行走意图变化过 程，简洁明了的表示出行人实际轨迹变化时间点与行走意图改变时间点的差异。 然后对过街行人运动学特性进行分析，揭示了过街行人运动轨迹的变化对无 人驾驶汽车速度控制策略的影响，并结合行人行走意图的综合考虑，提出了基于动 作特征分析的行人轨迹预测算法，提前预测行人轨迹变化情况。 其次综合考虑行人因素(Pedestrian factor)、距离因素(Distance factor)和车速因 素(Speed factor)对主动避撞控制策略的影响，建立了不同轨迹工况下的 PDS 预估 安全距离模型；在此基础上，设计了行人主动避撞算法，通过轨迹交汇时间比较、 速度误差判断等方式规划制动策略，保障行人安全的同时兼顾制动过程的平缓性。 最后搭建 Carsim/Simulink 联合仿真模型，对比分析了传统安全距离模型与本 文所提 PDS 预估安全距离模型的制动距离和制动减速度值，表明 PDS 预估安全距 离模型在行人主动避撞算法中的优势；同时对 5 种行人轨迹变化工况进行仿真分 析，验证了所设计主动避撞算法的有效性；并结合实车试验进一步证明所设计的行 人主动避撞系统的安全性和可靠性。

PaddleDetection训练单/多镜头行人追踪模型 项目效果： 项目AI Studio： : 视频地址： : !z ip code . zip - r work / PaddleDetection - release - 2.0 - rc / 简介 PaddleDetection飞轮目标检测开发套件，有助于开发者更快更好地完成检测模型的组建，训练，优化及部署等全开发流程。 PaddleDetection快速地实现了多种主流目标检测算法，提供了丰富的数据增强策略，网络模块组件（如骨干网络），损失函数等，并集成了模型压缩和跨平台高效部署能力。 经过连续产业实践打磨，桨检测已拥有顺畅，卓越的使用体验，被工业质检，转化图像检测，无人巡检，新零售，互联网，科研等十多个行业的开发者广泛应用。 解压数据集： 该项目数据集使用COCO数据集中的行人部分。 !u nzip - oq da

人脸识别正负样本集，负样本2500多，且为处理后灰度图；正样本1000多张，且为归一化后的图片；同时负样本也是适应于车辆识别，车牌识别，行人检测等

本文针对２０１８版Ｃ－ＮＣＡＰ和２０１５版Ｅ－ＮＣＡＰ中对行人ＡＥＢ系统的测试要求进行了ＡＥＢ行人测试装置的整体架构设计，提出了装置功能模块中假人系统、皮带轮系统、驱动控制系统、差分精确定位系统、无线通讯系统的设计要求。针对各功能模块的设计要求进行了以下装置硬件设计：设计了具备真人外形尺寸、红外特性、雷达特性的假人以及托举假人的托板；对皮带轮系统进行了结构设计；设计了驱动控制系统控制器，主芯片ＳＴＭ３２Ｆ７６７用于信息分析、处理及控制各子模块，被控芯片ＳＴＭ３２Ｆ１０３用于电机控制；选取了科尔摩根０．６２ＫＷ的伺服电机及应伺服驱动器作为系统电机及伺服驱动器；选取了ＮＲＦ２４Ｌ０１芯片作为系统的系统无线通讯模块；对差分精确定位模块中的基准站、流动站进行了硬件设计及选型。

CSC3061-1920-G8行人检测 需要：Computer Vision Toolbox入门： 将仓库克隆到本地目录 将模型数据（ images.zip ）放在导入目录中。 该结构应同时包含neg和pos文件夹，例如import / images / neg和import / images / pos 将行人数据（ walker.zip ）放置在导入目录中。 结构应为导入/图片/行人 从父目录运行pd.m ＃行人检测

为了避免人与物体之间相互遮挡，对小目标检测不准确，以及复杂光照强度对行人 检测的影响，针对这一问题，提出了一种多尺度聚类卷积神经网络 MK-YOLOv3 算法，来实现对行人的识别与检测。该算法是对 YOLOV3 进行改进，首先通过简单聚类对图像特征进行提取，得到相应的特征图，再通过抽样 K-means 聚类算法结合核函数确定锚点位置，以达到更好的聚类。针对小目标的浅层特征信息进行多尺度融合，提高小目标的检测效果。仿真结果验证了该算法在 VOC 数据集上对小目标识别的精度和速度上有较大提高，以及视频智能分析中有较高的召回率和精确度。

伸缩式行人速通门

基于CUHK行人检测数据集制作的人头数据集，7000+正样本 ，该数据集大小为60*60，可用于Hog特征提取，进一步用于训练人体分类模型用于监控系统中的行人检测。