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

人体检测模块的资料，含有代码1和技术手册，arduino的历程

[2011 IROS]People detection in RGB-D data 利用RGB-D数据进行人体检测 文章翻译：http://blog.csdn.net/masibuaa/article/details/19640709

Android平台上实现的基于HOG特征的人体检测，使用Android-OpenCV2.4,可以打开图片检测、可以拍照检测、可以用摄像头实时检测。

这是本人本科做的毕业设计，根据opencv里面人体检测的HOG代码改写，加上了完整的注释（opencv里面是没有任何注释的），并且增加了样本的训练（代码中只提供了PCA50-HOG的检测算子，如有其它需要可以自行训练），线性检测时使用线性SVM优化，高斯检测时使用PCA的降维。同时对候选区域整合代码做了简化处理。 最后感谢网上的各位好心人提供的各类资源，在毕业设计过程中给予了我很大帮助。鉴于网上仍然还有若干未解决的问题，今天把我所做的也分享给大家，希望能给还在探索ing的朋友一些启发。如果有任何问题请留言或者email。

本数据集是我从INRIA中裁剪而来，全是64*128的图片。整个文件就分为正负样本两个文件夹，没有INRIA这么混乱。其中正样本3548张，负样本16710张。在样本文件夹旁边给出了文件列表文件。可以用作人体检测训练。