从真实场景(超市，街道，学校)中采集的行人重识别数据

python基于transformer的车辆行人识别

图像分析与机器视觉课程作业，是一篇关于行人重识别的论文《Joint Discriminative and Generative Learning for Person Re-identification》的解读报告。

为减少行人违法过街现象,提高行人过街安全,对信号交叉口行人过街行为机理进行研究。首先,通过相关性分析找出个人属性、家庭属性、行人设施属性、交通状况属性中对行人过街行为有显著影响的因素。另外,除上述可见因素外,也存在一些观察不到的心理因素会对行人行为产生影响,如对交通安全的态度、对舒适性的要求、从众心理的强弱等。将这些心理层面的主观偏好定义为隐性变量,通过对解释变量和表征变量的结构方程建模获取。最后,将相关性分析得出的关键因素和隐性变量共同作为自变量,引入到logit模型中,建立行人个体违法过街行为的MNL

红外车辆行人检测数据集，几千张带VOC格式和YOLO格式标签的红外数据集

行人检测Opencv代码，通过HOG进行特征提取，SVM分类器分类。

基于yolov5+opencv实现车辆+行人检测源码(带GUI界面)+训练好的模型+数据集+评估指标曲线+操作使用说明.7z 检测的类别目标有：人、轿车、卡车、大巴车 带GUI界面、训练好的模型、评估指标曲线、loss曲线、精确度曲线、召回率等、项目说明 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

TUD的行人检测数据库，tud-crossing-sequence图像序列。

常规的行人目标检测方法往往以底层特征为基础，采用密集窗口扫描的分类检测模式，其计算资源开销大而难以满足快速性要求。针对此问题，研究了一种新的行人目标快速检测方法。引入视觉选择性注意计算进行目标候选区域定位，通过提取候选区域的积分有向梯度直方图IHOG（integrated histogram of oriented gradient）特征和局部二值模式LBP（local binary pattern）特征以形成组合优势，通过级联支持向量分类方式对区域内容进行分级检测，实现了快速、可靠的行人目标检测。 DE

基于yolov5算法行人检测计数源码(带GUI界面)+模型(40多万个人形数据训练)+评估指标曲线+操作使用说明.zip 主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。