使用hog+svm方式和自己训练的模型进行行人检测的代码

以下是使用 HOG+SVM 和自己训练的模型进行行人检测的 Python 代码示例：

import cv2

# 加载训练好的行人检测模型
svm = cv2.ml.SVM_load('person_detector.xml')

# 设置 HOG 参数
winSize = (64, 128)
blockSize = (16, 16)
blockStride = (8, 8)
cellSize = (8, 8)
nbins = 9
hog = cv2.HOGDescriptor(winSize, blockSize, blockStride, cellSize, nbins)

# 加载待检测的图像
img = cv2.imread('test.jpg')

# 调用 HOG 描述子提取函数
descriptor = hog.compute(img)

# 将描述子转换为一维数组
descriptor = descriptor.flatten()

# 调用 SVM 的 predict 函数进行预测
result = svm.predict(descriptor.reshape(1, -1))[1][0][0]

# 根据预测结果进行处理
if result == 1:
    print('检测到行人！')
else:
    print('未检测到行人。')

需要注意的是，上述代码中的 `person_detector.xml` 是已经训练好的 SVM 模型文件，需要根据具体情况进行替换。此外，模型训练的过程在这里不做介绍，可在网上寻找相关资料学习。