使用matlab编程实现行人与车辆检测算法，框选所检测到的目标，给出概率值；调用外部摄像头，采集场景视频或导入已拍摄的离线视频，实现视频中的行人、车辆等目标检测。

对于行人与车辆检测，常用的方法有基于深度学习的算法和传统的基于图像处理的算法。其中，基于深度学习的算法效果更好，但需要大量的数据和计算资源。传统的基于图像处理的算法虽然效果不如深度学习算法，但是实现起来比较简单，可以用MATLAB实现。

下面是一些常用的基于图像处理的算法：

1. 基于背景差分的目标检测方法

这种方法是通过对当前帧图像与背景图像之间的差异进行分析，来检测目标的位置。具体实现时，可以对当前帧图像和背景图像进行减法操作，得到一张差异图像，然后对差异图像进行二值化处理，再进行形态学操作，最终得到目标的位置。

2. 基于颜色信息的目标检测方法

这种方法是通过分析目标的颜色信息来进行检测。具体实现时，可以先对图像进行颜色空间的转换，然后选取目标的颜色范围，对图像进行二值化处理，最终得到目标的位置。

3. 基于特征提取的目标检测方法

这种方法是通过提取目标的特征信息来进行检测。常用的特征包括边缘、角点、纹理等。具体实现时，可以先对图像进行边缘检测、角点检测或纹理特征提取，然后利用这些特征进行目标检测。

对于视频中的行人、车辆等目标检测，可以先对每一帧图像进行目标检测，然后对相邻的几帧图像进行处理，通过目标的运动轨迹来进行目标跟踪。最后，可以将目标的位置信息进行可视化，框选所检测到的目标，并给出概率值。

对于调用外部摄像头进行视频采集，可以使用MATLAB的视频捕捉函数进行实现。对于导入已拍摄的离线视频，可以使用MATLAB的视频读取函数进行实现。