行人检测

首先我们知道 Hog特征结合 SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功 ，HOG+SVM进行行人检测的方法是法国研究人员 Dalal在 2005的 CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以 HOG+SVM的思路为主，那么PCL中也是利用这一思想来进行行人的检测， 总体思路： 1、提取正负样本hog特征 2、投入svm分类器训练，得到model 3、由model生成检测子 4、利用检测子检测负样本，得到hardexample 5、提取hardexample的hog特征并结合第一步中的特征一起投入训练，得到最终检测子。 首先整合一下理论知识 HOG特征： 方向梯度直方图（ Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。 具体的是实现方法： 首先将图像分成小的连通区域，我们把它叫细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。 提高性能： 把这些局部直方图在图像的更大的范围内（我们把它叫区间或 block）进行对比度归一化（ contrast-normalized），所采用的方法是：先计算各直方图在这个区间（ block

HOG特征+SVM行人检测 API介绍： 1 #include <opencv2/opencv.hpp> 2 #include <iostream> 3 4 using namespace cv; 5 using namespace std; 6 7 int main(int argc, char** argv) { 8 Mat src = imread("L:/opencv_picture/ren4.jpg"); 9 if (src.empty()) { 10 printf("could not load image...\n"); 11 return -1; 12 } 13 namedWindow("input image", CV_WINDOW_AUTOSIZE); 14 imshow("input image", src); 15 16 /* 17 Mat dst, dst_gray; 18 resize(src, dst, Size(64, 128)); 19 cvtColor(dst, dst_gray, COLOR_BGR2GRAY); 20 HOGDescriptor detector(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9); 21 22 vector<float> descriptors;

结合工程实践选题调研分析同类软件产品 软件有很多种： ShrinkWrap（在包装盒⼦⾥⾯的软件）、Web APP ( 基于⽹⻚的软件）、Internal Software （企业或学校或某组织内部的软件）、Games（游戏）、Mobile Apps（⼿机应⽤）、Operating Systems（操作系统）、Tools（⼯具软件），请结合工程实践选题选取至少三款同类软件产品，请分析它们各⾃的特点。 工程实践选题：基于计算机视觉的行人检测 常见的同类软件产品有以下三种： 1、视频监控 许多公共场所都安装了监控摄像头，其中监控的任务大多都依靠人工监控完成，这样不但耗费大量人力，也容易漏掉一些重要信息。 利用行人检测技术，计算机可以自动检测出监控摄像头下的每一个行人。以此为基础还可以对指定行人轨迹进行跟踪、身份识别以及行为分析等，如果发现异常状况能够及时处理。 2、车辆辅助驾驶 行人检测可以检测出车辆前方的行人并针对实际状况采取相应的措施，是车辆辅助驾驶技术中不可或缺的一部分。结合其他一些技术，我们甚至可以让车辆自动驾驶，在保障交通安全的同时将人从驾驶汽车的工作中解脱出来。 国内外已经有很多公司开始做无人驾驶汽车的相关工作，对车辆辅助驾驶技术的需求也越来越浓烈，行人检测也因此成为学术界和工业界共同关注的热点。 3、智能机器人 行人检测技术可以让机器人査看到周围的人

知识点 对数正态分布（lognormally distributed）：对数为正态分布的任意随机变量的概率分布。 如果 X 是正态分布的随机变量，则 exp(X)为对数正态分布. 如果 Y 是对数正态分布，则 ln(Y) 为正态分布。 如果一个变量可以看作是许多很小独立因子的乘积，则这个变量可以看作是对数正态分布。 对数正态分布的概率密度函数为： 对数平均：对数平均与几何平均相等，并且比算数平均，对于对数正态分布数据的典型值更具代表性 二个数字的对数平均小于其算术平均，大于几何平均，若二个数字相等，对数平均会等于算数平均及几何平均。 Histogram of Oriented Gradients for Objection Detection.(HOG)步骤： Sampling positive images Sampling negative images Training a Linear SVM Performing hard-negative mining Re-training your Linear SVM using the hard-negative samples Evaluating your classifier on your test dataset, utilizing non-maximum suppression to ignore

People-Detection-and-Tracking [Github 原文档] @Bobby Chen 记得留下小星星 TownCentre 行人流量计数 Demo - [ Bilibili ] Requirement - 依赖项 OpenCV NumPy sklean Pillow tensorflow-gpu 1.10.0 项目算法 It uses: * YOLOv3 to detect objects on each of the video frames. - 目标检测算法 * Deep_SORT to track those objects over different frames. - 目标追踪算法 DeepSORT 是在 SORT 目标追踪基础上的改进版本，加入了行人重识别数据集上训练的深度学习模型，在实时目标追踪过程中，提取目标的表观特征进行最近邻匹配，提高了目标追踪的鲁棒性。 This repository contains code for Simple Online and Realtime Tracking with a Deep Association Metric (Deep SORT). We extend the original SORT algorithm to integrate appearance information based

在前一篇文章中，我们讨论了用于人体检测的早期方法，例如Vila Jones的目标检测框架（Haar级联）和方向梯度直方图（HOG）检测器。我们也看到了这些早期方法存在的问题，例如漏检、误检等。在本文中，我们将了解最新的深度学习技术是如何解决上述这些问题的，并使用代码来实现它。 要快速掌握机器学习应用的开发，推荐汇智网的 机器学习系列教程 。 1、现代行人检测技术概述 用于人体检测的现代方法，我们认为具有如下特征： 深度卷积神经网络 用于行人检测的现代方法大量使用深度神经网络。这一趋势起源于AlexNet在2012年ILSVRC （Imagenet大规模视觉识别竞赛）中的获胜。AlexNet是一个用于图像分类的深度卷积神经网络（CNN）。从那以后，CNN就被广泛地应用于各种各样的计算机视觉问题，例如图像分类、目标检测和目标定位。正如我们之前所提到的，人体识别是目标检测和目标定位的一种特定应用。 多类别目标检测器 现代的基于CNN的目标检测系统的另一个特征就是，它们可以识别多类目标。因此，现代的最先进的人体检测器不仅仅是行人检测器，而是可以检测包含行人在内的多种类型目标的检测器。基于此认识，让我介绍Tensowflow目标检测API和Tensorflow检测模型ZOO。 2、使用tensorflow目标检测API进行人体检测 Tensorflow是来自google的开源API