提取HOG特征和LBP特征，使用SVM进行分类来进行检测

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

根据博文中uniform LBP/旋转不变性等价或均匀LBP 原理，编写相应C++代码，并测试与python函数skimage.feature.local_binary_pattern函数结果几乎一致。

Gabor,GMRF,LBP纹理特征提取方法_MATLAB,可以用来提取图像特征，用来做图像识别和分类

基于matlab平台的LBP算法实现人脸识别。

LBP人脸识别系统，MATLAB实现，orl人脸图像库，识别率高

多类AdaBoost ELM及其在基于LBP的人脸识别中的应用

计算机视觉 目标跟踪LBP特征提取 程序 代码 MATLAB版

lbp代码matlab miccai2013 MICCAI 2013代码-通过关节水平集分割多个重叠的子宫颈细胞。 论文引文：[待更新...] ====================里面有什么？ 数据集：文件夹“ ./ims”中的四个真实的EDF巴氏涂片图像和综合测试/培训图像。 本文的Matlab代码。 ====================运行之前 此代码需要用于GMM密度估计，Quick Shift和LBP的第三方库。 您需要单独下载它们。 1.1统计模式识别工具箱： 1.2 VLFeat： 1.3 LBP ：（下载文件“ lbp.m”和“ getmapping.m”） 该代码与Matlab R2012b或更高版本兼容。 ====================如何运行？ 调用脚本“ Run.m”。 第7行中调用函数Runner_inOne（...）的参数引用： 1.1'EDF'-真正的子宫颈抹片检查图像 1.2'测试'-综合测试图像 1.3'火车'-综合训练图像

一种结合HOG和LBP特征的目标检测方法，速度很快，可用于面向DSP的目标检测技术开发，适合嵌入式开发