(1)自行编程matlab实现基于（HOG、LBP、或Haar-like）与Adaboost目标检测框架（其他检测算法也可以），在给定数据集上验证算法可行性； (2)并给出算法性能指标（MAP、IOU、FPS等），评价算法的目标检测精度与速度。

以下是一个MATLAB示例，用于演示如何使用Haar分类器和Adaboost算法进行目标检测。

我们使用MATLAB自带的Haar分类器`vision.CascadeObjectDetector`加载已经训练好的Haar分类器模型，然后使用`detect`函数进行目标检测。在这个示例中，我们还是使用的是OpenCV自带的人脸检测Haar分类器。

% 加载Haar分类器模型
faceDetector = vision.CascadeObjectDetector('haarcascade_frontalface_default.xml');

% 加载测试图像
img = imread('test.jpg');

% 将图像转为灰度图像
gray = rgb2gray(img);

% 进行人脸检测
bbox = step(faceDetector, gray);

% 绘制矩形框并标注
for i = 1:size(bbox, 1)
    rectangle('Position', bbox(i,:), 'LineWidth', 2, 'EdgeColor', 'g');
    text(bbox(i,1),bbox(i,2)-10,'Face', 'FontSize',14,'Color','green');
end

% 显示检测结果
imshow(img);

该示例使用MATLAB自带的`detect`函数进行人脸检测。该函数会在图像中检测出多个目标（人脸），返回一个矩形框的列表，每个矩形框包含人脸的位置和大小。我们可以使用MATLAB自带的`rectangle`函数在图像上绘制矩形框，并使用`text`函数在矩形框上方标注“Face”。

性能指标包括：MAP（平均精度均值）、IOU（交并比）和FPS（每秒帧数）。这些指标的计算需要使用测试数据集，并进行目标检测结果的比对和评估。