用于行人再识别的RegDB数据集

行人检测在视觉监控，驾驶员辅助系统中具有广泛的应用。 它在计算机视觉和模式识别中也非常重要。 在我们的研究中，我们提出了行人检测的多尺度方案。 行人检测方案包括构建强分类器和多尺度检测的两个步骤。 强分类器是弱分类器的集合，是通过使用基于类似Harr特征的AdaBoost学习算法构建的。 然后，采用强分类器对多尺度图像中的行人进行检测，并对检测结果进行合并。 在我们的实验中，提出的多尺度检测方案在灵敏度达到89.3％的情况下每张图像报告了0.35个假阳性。 这表明行人检测的多尺度方案实现了高性能。

osnet_ain_x1_0_msmt17_256x128_amsgrad

github停止下载了关于CenterNet的基础训练模型

基于检测的多目标跟踪，可自定义类别进行训练、测试。效果不错，可达实时。算法应用keras/torch编码，逻辑清楚，配有代码解析图，适合多目标跟踪入门新手。

kaist数据集

多粒度深度特征学习可实现强大的行人检测

opencv 目标识别，行人跟踪测试视频，5分钟长，含单人，多人，物体遮挡等多种街头场景，基本满足测试所需。

智能监控系统、人脸识别、智能抓拍、预警系统、机动车辆抓拍、行人抓拍、监控预警管理后台、人流监控、语音报警、轨迹分析、抓拍检索、园区监控、实时监控、录像回放、防盗预警、智能算法、跟踪分析、HTML  Axure原型演示及下载请点击：https://www.pmdaniu.com/storages/124729/3319ba522c9a78526dd3571b1666ef74-30328/start.html#id=ko2x88&p=%E8%8E%B7%E5%8F%96%E5%8E%9F%E5%9E%8B

1引言　　科学技术的突飞猛进直接把我们带进了信息化的社会，计算机的应用已普及到经济和社会生活的各个领域。特别是像北京这样的大都市，经济飞速发展，车辆繁多，人口密集。缓解交通已成为当务之急，特别是在非十字路口没有过街天桥、地下通道的路段，行人很难顺利的通过马路。为了解决这种问题，我们运用汉语编程单芯片来控制信号灯，以方便行人通过马路，并使车辆正常通行。　　1.1编写目的　　a．本说明的编写目的在于研究行人自控指示灯的研制方法及应用。　　b．本说明的预期读者是与行人自控指示灯系统有联系的决策人、项目开发者、领导和支持本项目的政府官员以及参与实施本项目的工作者。　　1.2背景及范围　　a．本项目的名