OpenCV+HOG+SVM+行人检测

OpenCV HOG SVM 行人检测是一种基于机器学习算法的行人检测方法。该方法使用了HOG（方向梯度直方图）特征来描述行人的外貌特征，然后通过SVM（支持向量机）分类器对图像中的目标进行分类。

具体步骤如下：

1. 提取HOG特征：将图像分成若干个小的图块，对每个图块计算其HOG特征，即计算每个像素的梯度方向和大小，然后将其转化为梯度直方图。

2. 训练SVM分类器：使用已标注的行人图像和非行人图像对SVM分类器进行训练，使其能够对行人和非行人进行区分。

3. 滑动窗口检测：在待检测的图像上，使用一个滑动窗口对图像进行扫描，对每个窗口提取HOG特征，然后使用训练好的SVM分类器对该窗口进行分类，判断其是否为行人。

4. 非极大值抑制：为了避免重复检测，对检测结果进行非极大值抑制，即对重叠的检测框进行筛选，只保留最有可能包含行人的框。

OpenCV HOG SVM 行人检测具有较高的准确率和较快的检测速度，在实际应用中得到了广泛应用。