搜索资源列表
HOG-LBP-detection
- 该程序分别提取正负样本图像的HOG和LBP特征，利用支持向量机进行样本训练，得到行人分类器。利用训练好的分类器进行检测，实验结果表明，该方法可以有效检测出图像中的行人，并达到了较好的检测结果。-A novel approach based on combining Histogram of oriented gradients (HOG) and LocalBinary Pattern(LBP) is suggested in the program.Also liner SVM is acte
An-HOG-LBP-Human-Detector
- 一种基于HOG-LBP特征的人脸检测方法，对于遮挡的人体非常有效。-By combining Histograms of Oriented Gradients (HOG) and Local Binary Pattern (LBP) as the feature set, we pro- pose a novel human detection approach capable of handling partial occlusion. Two kinds of detectors
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
learcode
- 行人检测源程序，居于svm技术。和梯度直方图提取-Pedestrian Detection source, living in SVM technology. And gradient histogram extraction
exercise5
- Matlab HOG exercise matlab svm learning
HOG
- 为了准确地对监控场景中的运动目标进行语义上的分类， 提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法．利用背景减法提取运动目标前景区域， 并识别出潜在候选运动目标．利 用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征， 以较低维数的数据有效地描述运动目标的有效特征． 将提取的运动目标特征输入二叉决策树支持向量机， 实现多类目标的准确分类． 通过在不同视频序列上的实验验证， 提出的算法对运动目标进行较好地分类， 而且在运算速度方面较传
pedestrain
- 经典的行人检测算法，利用HOG和SVM实现此算法。已调试可以正常运行。-Classic pedestrian detection algorithm, HOG and SVM to implement this algorithm. Has debugging normal operation.
de
- 基于HOG和SVM的行人检测代码，需要配置opencv-HOG and SVM-based pedestrian detection code need to configure opencv
test
- 基于Hog特征和SVM分类器进行人检测(opencv自带训练分类器)-Based on Hog and SVM classifier is used to detect the people
PassengerDetect
- 基于Opencv的行人检测，使用HOG+SVM，先遍历文件夹再对文件夹中的所有图片进行检测并把结果输出到txt中。-Pedestrian detection based on opencv,using hog and svm.
Untitled1
- 视频转换图片以及运动检测，hog和SVM行人检测-Video conversion and image motion detection, hog and SVM pedestrian detection
hog_svm
- matlab实现hog+svm图像二分类(Matlab implementation of hog and svm images two categories)
hogsvm
- 结合HOG特征算子和SVM分类器的目标识别代码，这是一个节点性的贡献(Target recognition code combining HOG feature operator and SVM classifier)
利用Hog特征和SVM分类器进行行人检测
- 利用Hog特征和SVM分类器进行行人检测(Using Hog features and SVM classifiers for pedestrian detection)
HOG
- 将这330个3780维的HOG特征当做测试样本，用支持向量机（SVM）分类器来判别出，这些窗口的HOG特征是否有行人，有行人的用矩形框标记起来。HOG行人特征及所对应的SVM分类器的参数，在opencv中已经训练好了，我们只需要得到HOG特征，然后调用SVM即可得到判别结果(The 330 Hera features of 3780 dimensions are used as test samples, and the support vector machine (SVM) classifi
SVM_Train_Predict_HOG
- 通过HOG，和SVM训练，统计出一张图片中的人数(Through the HOG, and SVM training, statistics a picture of the number of people)
SVM
- 通过HOG获取特征，用SVM对图像进行分类。(The feature is acquired by HOG, and the image is classified by SVM.)
SVM
- 使用HOG提取特征，SVM进行图像分类，可以进行两种以上分类(Using HOG to extract features and SVM for image classification)
HOG_LBP
- 融合hog与lbp特征的图像分类，使用svm进行分类，最终给出运行混淆矩阵(The image classification of hog and LBP features is classified by SVM, and the run obfuscation matrix is finally given.)
hog-feature
- 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。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。需要提醒的是，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(The Histogram