yolo格式的widerperson数据集（已划分训练集和测试集）

信号交叉路口有时涉及多级人行横道，其中行人横穿一个或多个岛屿，然后在那儿等待信号继续。 如果对信号进行定时而不注意行人的前进，则多级交叉口的行人延误可能会很长。 本文讨论了两个问题。 首先，很少评估多级交叉路口的行人延误，因为除了微观模拟外，业内没有其他工具可实现这一目的。 我们提出了一种数值方法，用于确定任何阶段数和每个周期可能存在多个WALK间隔的交叉延迟。 可以将相同的方法应用于单级交叉口，对角线两级交叉口（行人可以选择路径）和自行车两级转弯。 此方法已在免费的在线工具中实现。 其次，我们描述了几种信号定时技术，可通过多级交叉路口改善行人和自行车骑行者的行进速度，从而减少行人和骑行者的延迟。 其中包括为选定的交叉路口提供服务，左转弯重叠，行人相相互重叠以及双向自行车交叉路口，这些交叉路口为两阶段转弯创建了路径选项。 实例表明，行人延误有可能大大减少，而行车延误通常很少增加或没有增加。 在一个示例中，增加短的行人重叠阶段使三级交叉口的平均行人延迟减少了82 s，而平均车辆延迟仅增加了0.5 s。

结合原作者代码和文档，并基于自己的理解重新绘制的可读性更高更易理解的文档，并自己重写的项目代码，注释完整清晰。 代码可读性高,可直接使用

行人重识别公共数据集Market-1501

更多项目《行人检测(人体检测)》系列文章请参考： 行人检测(人体检测)1：人体检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/128821763 行人检测(人体检测)2：YOLOv5实现人体检测(含人体检测数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/128954588 行人检测(人体检测)3：Android实现人体检测(含源码，可实时人体检测)：https://blog.csdn.net/guyuealian/article/details/128954615 行人检测(人体检测)4：C++实现人体检测(含源码，可实时人体检测)：https://blog.csdn.net/guyuealian/article/details/128954638

行人目标检测数据集，包含xml、图片、txt标签。数据集大小一个400多M，一个100多M。

设计“行人识别及自动跟随”场景及实验方案，搭建测试场地，调研基于OpenCV的行人识别方法并编程实现，将算法部署至XQ4-Pro移动机器人平台，结合机器人操作系统，实现测试场景下的移动机器人行人识别及自动跟随

基于滑动窗口的二分检测是对图像中行人进行检测的一种被广泛使用的方法。它可以检测出单张图像中一个或多个处于站立状态的各种姿势的行人。分析和总结了国际上实现图像行人检测的主要方法，以及滑动窗El框架的实现方法，并对行人检测的进一步研究作了展望。

行人检测是实现智能交通与客流监控的关键技术，深度学习方法训练模型已经在行人检测领域取得了良好的效果。但是当训练样本质量不佳时，训练的模型往往不能得到令人满意的效果。为了提高雾霾天气与曝光较强环境下的行人检测效果，提出了将暗通道去雾算法应用于深度学习的样本预处理中，并使用快速深度卷积神经网络训练行人检测模型。在实验中，首先对10000张样本图片采用暗通道去雾算法进行预处理，之后分别使用有无暗通道去雾算法预处理的样本图片训练模型，最后比较这两种模型在不同场景下的模型检测准确率。实验结果表明，使用暗通道去雾预处理后的样本训练得到的深度模型具有更好的检测效果，在多种场景下的检测率都得到提升。

手工标注行人检测数据集，图片为jpg，共485张，xml485个。