人体检测与追踪 介绍 在这个项目中，我们研究了人类检测，面部检测，面部识别和跟踪个人的问题。 我们的项目能够在给定的视频中检测人及其脸部，并存储所检测到的脸部的局部二进制图案直方图（LBPH）特征。 LBPH特征是从图像中提取的关键点，用于识别和分类图像。 在视频中检测到某个人后，我们便会跟踪为该人分配标签的人。 我们已使用个人存储的LBPH功能在其他任何视频中识别它们。 扫描完各种视频后，我们的程序将输出类似的内容，即在camera1拍摄的视频中看到标有subject1的人物，而在camera2拍摄的视频中看到subject1的人物。 通过这种方式，我们通过在多台摄像机拍摄的视频中识别出一个人来跟踪他/她。 我们的整个工作是基于在机器学习和图像处理中的应用。 此代码基于opencv 3.1.1，python 3.4和C ++构建，不支持其他版本的opencv。 要求 opencv [v3

采用大量样本已经训练好的十多个OpenCV分类器xml文件，分别可以用来检测人脸，人体，人头，检测率高

使用Raspberry Pi的人体检测系统 功能性 在检测运动时激活继电器。 您可能需要以下组件才能获得预期的结果 硬件组件 树莓派2或3模型B（在我的案例中使用了） 兼容的相机模块（ ） 具有2.0A-2.5A的电源适配器（ ） 微型SD卡（建议使用16Gb -32GB） 软件需求 可以使用任何兼容的Raspbian OS。 将操作系统更新为最新的sudo apt-get update 升级操作系统sudo apt-get upgrade 更新Raspberry Pi固件sudo rpi-update 应该安装OpenCV sudo apt-get install libo

基于yolact的重新训练模型, 可用于人体检测. 详细说明见博客 https://blog.csdn.net/Augurlee/article/details/103574125

本文描述了一种人体红外检测的设计方案，该方案基于瑞萨RL78G10单片机实现控制

本程序实现了对人体不状态的识别，可以用在人体步态识别、识别检测、信息加密等领域，能够实时显示识别的结果，可以直接运行。

基于支持向量机的人体检测方法很少，大部分都是人脸检测的，在这分享一下这篇人体检测方法。有人还需要别的可以给我发邮件，slchang1369@gmail.com

针对基于混合高斯模型背景差分法对光照突变敏感的问题&提出了背景差分法与三帧间差分法相结合的运动目标检测算法$ 首先利用当前帧与混合高斯模型建立的背景模型差分&快速检测出运动变化区域$然后&通过与设定的阈值比较&判断场景内是否发生 光照突变&场景中若未发生光照突变&则采用混合高斯模型背景差分法提取运动目标&若发生光照突变&采用三帧间差分法提取运动目 标$实验结果表明&在光线发生突变情况下&文中提出的算法同样能够取得较好的检测效果&具有很强的适应性和鲁棒性&可用于实时

基于HOG的人体快速检测论文，有助于Hog学习和编写简单Hog程序

自己写的关于人体检测的第一个opencv程序,适合初学者学习