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。

2000张行人图片的yolov5格式数据集，可自行划分训练集、验证集、测试集。

UCSD Pedestrian Database

| | | | | | 介绍 使用最先进的模型模拟行人。 Jülich行人模拟器（ ）由三个模块组成，这些模块松散耦合，目前可以独立使用。 这些都是： jpscore ：计算轨迹的核心模块。 请参阅已实现模型的。 jpsreport ：用于分析轨迹和验证模型的工具。 它实现了几种测量方法，包括用于计算密度的。 jpsvis ：用于可视化输入（几何）和输出（轨迹）数据的工具。 jpseditor ：使用dxf导入/导出功能创建和编辑几何文件的工具。 要求 CMake的 支持C ++ 11的编译器，例如g ++或clang或Visual Studio 2013 Boost库 对于jpseditor Qt 对于jpsvis VTK 对于jpsreport Polygon3 注意： jpseditor和jpsvis带有Windows可执行文件。 因此，可能不需要对这两个软

行人跌倒数据集（VOC格式）

其中吸烟监测、口罩率监测、火宅监测都由目标检测算法YOLO算法训练所得，项目中也提供了训练代码。行为安全监测由OpenPose算法提取人体姿态再进行分类识别；人群密度监测由MSCNN算法进行估计；行为轨迹跟踪由目标检测+Deepsort跟踪轨迹绘制而成。 ### 以行为轨迹跟踪为例

这是Android实现人体检测APP Demo（可实时运行）；更多内容请查看： 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

由 Dalal和Triggs于2005年创建，是使用最广泛的静态行人检测数据库之一。数据集中图像尺寸为64×128 像素分为训练数据集和测试数据集。训练数据集中有正样本图像有614个，负样本图像1218 个；测试数据集中有正样本图像288个，负样本图像453个。