行人检测 该代码使用BING作为预处理器，在Caltech数据集上产生了在上呈现的结果（使用了光流；因此不适用于INRIA数据集）。 如果您在研究中使用此代码，请引用我们的论文： @inproceedings{PaisitkriangkraiSH14a, author = {Sakrapee Paisitkriangkrai and Chunhua Shen and Anton {van den Hengel}}, title = {Strengthening the Effectiveness of Pedestrian Detection with Spatially Pooled Features}, b

行人检测和追踪 该程序在给定视频上检测到随机的行人，然后程序在每一帧上检测到同一行人。 使用OpenCV库以Python编写

本文提出了行人检测的新的特征，在现有的行人检测中效果较好，可以参考

很棒的微小物体检测 Tiny Object Detection论文和相关资源的精选清单。 目录 更新 （04/19）： 添加纸张以显示小物体检测的平铺能力 添加文章和视频以解决对象检测中的小对象问题 （03/26）： 添加纸张和代码以学习用于航空图像中目标检测的校准指导 （03/20）： 为ReDet添加纸张和代码：用于航空物体检测的等速旋转检测器 航空图像中目标检测的更新代码：大规模基准测试和挑战 活动 第一次微小物体检测（TOD）挑战来自低质量输入（RLQ）的现实世界识别 8月23日至27日，美国格拉斯哥证券交易委员会 文件 微小物体检测 学习航空影像中目标检测的校准指导[纸] [代码] 梁栋，魏宗琪，张栋，耿启祥，张丽艳，孙涵，周慧宇，魏明强，潘高arXiv 2021 ReDet：用于航空物体检测的等速旋转检测器[纸张] [代码] 韩嘉明，丁建，南雪，夏桂松CVPR 2021

mobilenet_ssd_pedestrian_detection 基于Mobilenet SSD的行人检测。 培训信息 数据集：加州理工学院步行者数据集 Caffe Mobilenet SSD： :

多光谱行人检测资源 用于多光谱行人检测的资源列表，包括数据集，方法，注释和工具。 数据集 ：KAIST多光谱行人数据集由从车辆中提取的95k色温对（640x480，20Hz）组成。 手动注释所有对（人，人，骑自行车的人），总计103,128个密集注释和1,182个唯一的行人。 注释包括边界框（如Caltech Pedestrian Dataset）之间的时间对应关系。 ：CVC-14数据集由两组序列组成。 这些序列被命名为昼夜设置，这是指它们被获取的当天的时刻，Visible和FIR取决于用户对序列进行记录的摄像机。 用于在白天训练3695张图像，在夜间训练3390张图像，每个序列带有大约1500条强制性行人注释。 用于测试两个序列的约700张图像，白天约有2000名行人，晚上约有1500名行人。 ：同步的带注释的热图像和非带注释的RGB图像，以供参考。 应该注意的是，红外图像和RGB

行人检测与距离预测 （pedestrian detection and social distance prediction） 代码、模型、DEMO视频

行人检测是视频监控中的一个基本问题，近年来已经取得了长足的进步。 然而，由于源训练样本和目标场景中行人样本之间的差异，在某些公共数据集上训练的通用行人检测器的性能在应用于某些特定场景时会明显下降。 另外，在目标场景中手动标记样本也是一项昂贵且费时的工作。 我们提出了一种新颖的转移学习框架，该框架可以自动将通用检测器转移到特定于场景的行人检测器，而无需手动标记目标场景中的训练样本。 在我们的方法中，我们通过对目标场景使用通用检测器来获得初始检测结果，我们将该结果称为目标样本。 我们使用了几种线索来过滤目标模板，从最初的检测结果中我们可以确定它们的标签。 高斯混合模型（GMM）用于获取每个视频帧中的运动区域和一些其他目标样本，这些目标样本无法被通用检测器检测到，因为这些目标样本距离摄像机较远。 目标样本和目标模板之间的相关性以及源样本和目标模板之间的相关性通过稀疏编码进行估算，然后用于计算源样本和目标样本的权重。 显着性检测是在源样本和目标模板之间进行相关性计算以消除非显着区域干扰之前的一项必不可少的工作。 所有这些考虑都是在单个目标函数下制定的，通过对所有这些样本添加基于稀疏编码的权重来

Pedestrian detection is a fundamental problem in video surveillance. An overwhelming majority of existing detection methods are based on sliding windows with exhaustive multi-scale scanning over the whole frame images which can achieve good accuracy but suffer from expensive computational cost. To reduce the complexity significantly while keeping high accuracy, in this paper, we propose an effective and efficient pedestrian detection method based on sliding windows with well-designed multi-scale