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。

行人与车辆检测算法可以使用基于深度学习的算法，常用的算法包括Faster R-CNN、YOLO、SSD等。这里以使用YOLOv3算法为例，介绍如何使用MATLAB实现行人与车辆检测并框选所检测到的目标，并给出概率值。

1. 安装深度学习工具箱和YOLOv3网络

首先需要安装MATLAB的深度学习工具箱，以及YOLOv3网络。可以使用MATLAB的Add-On Explorer进行安装。

2. 加载YOLOv3网络

加载YOLOv3网络，并设置检测置信度阈值和非极大值抑制阈值。代码如下：

net = load('yolov3.mat');
net = net.yolov3;
confidenceThreshold = 0.5;
nmsThreshold = 0.4;

3. 采集或导入视频

使用MATLAB的VideoReader函数可以读取本地视频文件，也可以使用MATLAB的webcam函数调用外部摄像头进行视频采集。代码如下：

% 读取本地视频文件
videoFileReader = VideoReader('test.mp4');

% 调用外部摄像头进行视频采集
cam = webcam;

4. 检测目标并框选所检测到的目标

对于每一帧图像，使用YOLOv3网络进行目标检测，并框选所检测到的目标。代码如下：

while hasFrame(videoFileReader) % 对于本地视频文件
    frame = readFrame(videoFileReader);
    [bboxes, scores, labels] = detect(net, frame, 'ConfidenceThreshold', confidenceThreshold, 'NMSThreshold', nmsThreshold);
    if ~isempty(bboxes)
        for i = 1:size(bboxes,1)
            annotation = sprintf('%s: (Confidence = %f)', labels(i), scores(i));
            frame = insertObjectAnnotation(frame, 'rectangle', bboxes(i,:), annotation);
        end
    end
    imshow(frame);
end

while true % 对于外部摄像头
    frame = snapshot(cam);
    [bboxes, scores, labels] = detect(net, frame, 'ConfidenceThreshold', confidenceThreshold, 'NMSThreshold', nmsThreshold);
    if ~isempty(bboxes)
        for i = 1:size(bboxes,1)
            annotation = sprintf('%s: (Confidence = %f)', labels(i), scores(i));
            frame = insertObjectAnnotation(frame, 'rectangle', bboxes(i,:), annotation);
        end
    end
    imshow(frame);
end

5. 给出概率值

使用YOLOv3网络检测目标时，返回的scores变量即为目标的概率值。代码中已在框选目标的循环中给出概率值。

最终的完整代码如下：

% 加载YOLOv3网络
net = load('yolov3.mat');
net = net.yolov3;
confidenceThreshold = 0.5;
nmsThreshold = 0.4;

% 读取本地视频文件
videoFileReader = VideoReader('test.mp4');

% 调用外部摄像头进行视频采集
cam = webcam;

while hasFrame(videoFileReader) % 对于本地视频文件
    frame = readFrame(videoFileReader);
    [bboxes, scores, labels] = detect(net, frame, 'ConfidenceThreshold', confidenceThreshold, 'NMSThreshold', nmsThreshold);
    if ~isempty(bboxes)
        for i = 1:size(bboxes,1)
            annotation = sprintf('%s: (Confidence = %f)', labels(i), scores(i));
            frame = insertObjectAnnotation(frame, 'rectangle', bboxes(i,:), annotation);
        end
    end
    imshow(frame);
end

while true % 对于外部摄像头
    frame = snapshot(cam);
    [bboxes, scores, labels] = detect(net, frame, 'ConfidenceThreshold', confidenceThreshold, 'NMSThreshold', nmsThreshold);
    if ~isempty(bboxes)
        for i = 1:size(bboxes,1)
            annotation = sprintf('%s: (Confidence = %f)', labels(i), scores(i));
            frame = insertObjectAnnotation(frame, 'rectangle', bboxes(i,:), annotation);
        end
    end
    imshow(frame);
end