【B300】基于Matlab SVM+HOG行人检测算法

文件编号：B300

文件大小：94M

开发环境：Matlab2016

猿创承诺：该项目亲测正常运行，提供部署视频，需远程调试部署需另外收费，确保正常使用，不能正常使用全额退款。

简要概述：基于Matlab SVM+HOG行人检测算法，直接运行Optimize.m测试。其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢。

演示视频：

点击查看：系统演示视频

算法说明：

一、HOG算法流程

  1.计算输入图像（64*128）每个像素点的x,y梯度值。

  2.计算(x,y)与(0,0)的欧氏距离作为该像素点的梯度幅值，该像素点的梯度方向为tan-1=y/x。

  3.每8*8个像素点（Cell）根据梯度方向统计其梯度直方图（分成9个区间）。

  4.每2*2个Cell(Block)的直方图连接后归一化,得到该Block的归一化特征值向量。

  5.串联所有Block的特征值向量，得到最终的特征向量。

  6.以上面数据为例，一张输入图共有（64/8-1)*(128/8-1)*9*4=3780维。

二、SVM训练

  1.综合网络和自己生成的资源，得到行人图片库，统一大小（64*128）。

  2.通过HOG算法提取每张图的特征。

  3.将提取到的正反例特征输入SVM训练，保存得到的SVM参数。

三、检测算法

  1.获取待测图片，从小到大生成多尺度变宽高比框选取局部区域图像。

  2.对每次的区域图像进行灰度转化和重新调整大小（64*128）。

  3.将步骤2的图像进行HOG特征提取。

  4.将提取到的特征放入训练好的SVM中，得到预测结果。

  5.用重叠面积法解决重复框选问题，得到最终检测结果图。

运行效果：

测试图1分类结果

测试图3分类结果

测试图4分类结果

远程协助：

温馨提示：索炜达.猿创官方提供收费远程协助，确保您项目运行成功。

点击查看：远程协助相关事项

我们提供完整项目文件清单如下：

文件目录

 ├ 1.项目源码

 ├ 2.配套文档

 └ 3.系统演示视频