hog 行人检测 matlab,hog+svm_行人检测matlab程序

转自：

hog+svm_行人检测matlab程序【仅供大家理解用】

关于这个matlab程序，需要说明的是：

1、检测时的运行速度超级慢，以16个像素作为扫描时的步长，从1000*1000的大图里检测出最终结果，在2.5GHz的CPU下需要20多分钟时间。主要的时间消耗在两个地方，一个是计算HOG，这个在之前的日志里已经说过了，还有一个是用libsvm的rbf核分类。如果用线性核的话，上述时间会降到十分钟以内，但也是令人难以容忍的，而且检测效果会打折。。。程序里所有的部分都是遵从原始文献中给出的算法写的，只求能运行起来，仅供大家理解原理用。。。

2、使用libsvm时对参数没有做任何的优化，全部默认。

3、关于各个m文件

produceTestSampleMatData.m

用于生成测试样本集(小图，用于检查train.m与train_with_hard_neg_samples.m的效果)

produceTrainSampleMatData.m

用于生成训练样本集(小图)

train.m

用于第一次训练(需要一两个小时)

produceTrainSamplesWithHardNegSamples.m

用于生成带有HardSamples的训练样本集(小图,需要消耗很长时间，将近两天)

train_with_hard_neg_samples.m

用于第二次训练(需要好几个小时，消耗很大内存，将近2.5G)

testPeople.m

在大图中测试，时间消耗在1中已经说了。这个是个GUI程序，先点击载入图像，然后点击检测，最后会把多个尺度下检测到的结果融合，融合调用的是clustering_loc.m，这个函数包括三个融合参数，delta_x,delta_y,delta_s,具体怎么调，我也没弄清楚，只是照论文把程序编出来了而已，但总的来说，数越大，融合的越狠，它们的物理意义可以参见dalal的博士论文。我只测试了几个大图，因为慢，没耐心等，效果一般，不算差，但也没多好。

这几个m文件的使用顺序同上面所列顺序一致，而且运行时需要手工点击一个一个来。前面的m文件都是为后边的m文件提供数据的(以mat格式保存，115网盘里上传了testPeople.m所需的文件MODEL_FANLE.mat，所以可以直接运行testPeople.m)，需要注意的一点是train_with_hard_neg_samples.m里我直接用一个大矩阵把所有样本存起来了，最终大概有18000个样本，这样大的单一矩阵32bit版本的matlab下定义不了，而且svm训练时matlab占用的内存达到2.5G，内存小点的机器这个程序就不能跑了。。。我为了偷懒，直接找了台4GB内存的电脑，装了64bit的linux和matlab搞定了。