行人检测法hog十svm

行人检测常用的方法之一就是HOG+SVM。其中，HOG（Histogram of Oriented Gradients）是一种特征描述子，用于描述图像中的对象；而SVM（Support Vector Machine）则是一种分类器，用于将图像中的对象分类为行人或非行人。

具体来说，HOG+SVM方法的流程如下：

1. 采集训练数据集，包括正样本（行人图像）和负样本（非行人图像）。

2. 对每张图像提取HOG特征，即将图像分成小的块，计算每个块中梯度的方向和强度，并用这些信息构建一个直方图。

3. 对所有图像的HOG特征进行归一化处理，以便SVM分类器能够更好地处理不同大小和形状的图像。

4. 使用SVM对处理后的特征进行训练，以建立一个分类模型，用于区分行人和非行人图像。

5. 在测试阶段，对待检测图像进行相同的HOG特征提取和归一化处理，再使用训练好的SVM分类器对图像进行分类，得出行人或非行人的结果。

需要注意的是，HOG+SVM方法的准确率受到许多因素的影响，如样本的数量和质量、特征的选择和处理等。因此，在实际应用中需要不断优化和调整算法参数，以达到更好的效果。