行人检测算法

㈠ 行人检测：false positives per image 和 miss rate 的意义

不知道你解决了没有，我之前对这个概念也比较混乱。
首先解释几个概念：
FP(false positive):错误正例->分类结果为正例（行人），实际上是负例（没有行人）
Miss Rate:丢失率=测试集正例判别为负例的数目/测试集正例数

对于行人检测来说，如果我们把分类器的阈值越低，丢失率(Miss Rate)会下降，而此时FPPI(每张图片错误正例数目)就会增多。这样我们一般定一个指标，然后根据另一个指标来比较算法好坏。
图中的Miss Rate vs FPPI 一般比较FPPI=10^-1时的Miss Rate。

㈡ 你认为人脸识别可以应用到哪些领域

‍‍利用人脸识别技术可以帮助商家打通会员信息。过去，顾客只有在支付时拿出会员卡营业员才能得知身份，而通过搭载人脸识别技术的智能终端（例如智慧数字标牌等），可以在顾客入店时利用AI系统自动识别其身份，随后通过终端设备提醒服务员；已有VIP会员进入店铺，以可视化的形式提供对方的核心信息与用户画像，以便让服务员提前为特需顾客提供优质的服务。‍‍

㈢ 基于行人轨迹预测的无人驾驶汽车主动避撞的算法是什么

1、针对传统轨迹预测算法无法深度挖掘行人步行意图信息，无法提前预测行人轨迹，导致无人驾驶汽车主动避碰算法、道路行人图像信息和位置信息存在缺陷的问题通过车载传感器获取道路行人的行为特征，基于卷积神经网络识别道路行人的行为特征，分析其步行意图。使用卡尔曼滤波算法得到状态估计的预测值，结合行人主观意图进行修正，输出符合行人主观意图的预测轨迹。通过行人车辆交叉口的特征，建立不同行人轨迹类别的估计安全距离模型，并基于道路对行人轨迹进行预测，结果表明当行人行为特征发生变化时，基于行为特征的行人轨迹预测算法分析可以提前预测行人轨迹变化，有效保证道路行人的安全。

4、该算法基于对行人轨迹位置点的连续预测，结合行人步行意图，预测动态系统的最优状态，得到符合行人主观意图的最优轨迹，提供实时有效的行人行人主动避碰算法的轨迹信息。 分析人车混合环境下的交通事故风险，根据人车交叉点建立估计的安全距离模型。测试结果表明，所提出的行人主动避碰算法能够有效保证道路行人的安全，能够保证制动减速过程的平稳性和交通流的平稳性。

㈣ yolo算法是什么

Yolo是一种目标检测算法。

目标检测的任务是从图片中找出物体并给出其类别和位置，对于单张图片，输出为图片中包含的N个物体的每个物体的中心位置（x,y)、宽（w)、高（h)以及其类别。

Yolo的预测基于整个图片，一次性输出所有检测到的目标信号，包括其类别和位置。Yolo首先将图片分割为sxs个相同大小的grid。

介绍

Yolo只要求grid中识别的物体的中心必须在这个grid内（具体来说，若某个目标的中心点位于一个grid内，该grid输出该目标类别的概率为1，所有其他grid对该目标预测概率设置为0)。

实现方法：让sxs个框每个都预测出B个boungding box，bounding box有5个量，分别为物体的x,y,h,w和预测的置信度；每个grid预测B个bounding box和物体类别，类别使用one-hot表示。

㈤ HOG算法什么意思

特征梯度直方图算法，现在非常流行的一种行人检测的算法，一般配合LBP和SVM分类器效果很好。你要想具体了解可以去WIKI 或者 navneet的网站看看专业解释。
不过HOG函数已经集成在了OPENCV库里面，因此其实没有必要非要搞懂这个算法。。。

㈥ 人脸识别技术的价值和界限怎么划分

人脸识别在近几年迎来井喷式落地应用，人脸识别技术优势明显，相较于指纹识别、虹膜识别等传统的生物识别方式，优点主要集中在四点：非接触性、非侵扰性、硬件基础完善和采集快捷便利，可拓展性好，未来人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术，就现阶段而言最贴近民众的领域要属安防领域、商业领域、自助服务领域、金融领域以及娱乐领域等。

一、安防领域
安防与人脸识别有着天然的契合点，因此人脸识别技术最先在安防领域得到广泛应用。例如雪亮工程、智慧交通、治安管理、门禁管理等，人脸识别技术都起到了非常重要的作用。

从技术上来说，现阶段的AI已经基本实现安防监控最主要的三个目标：

1、 识别行人的生理属性。
通过分析行人身体结构，准确识别视频中人物的性别、年龄、姿态等多种生理特征。

2、 识别行人车辆。
基于深度学习的行人检测算法能够在各类遮挡的情况下精确找出行人位臵，并能够进一步分析行人姿态和动作，可应用于交通监控、辅助驾驶、无人驾驶等。可以在行车场景、交通监控场景、卡口场景中检测多种不同角度的车辆，并同时给出车牌号码、汽车品牌、型号、颜色等物理特征。

3、 实现人群分析。
在包括地铁、车站、广场等流动量大高密度的公共场所，估算人群数量和密度，同时检测人群过密、异常聚集、滞留、逆行、混乱等多种异常现象。

而与民众工作生活最为密切的人脸识别技术应用，要数人脸识别考勤、人脸识别闸机以及人脸识别访客机等，被应用于办公楼、社区等多个场合。

视美泰智慧安防解决方案包括了人脸识别闸机以及人脸识别访客管理等，在安全性、便捷性、舒适性和管理控制上都得到了进一步提升。

二、商业领域
无人经济的兴起成为人脸识别技术进军商业领域的重要契机。人脸识别技术是无人经济得以实现的重要支撑。人脸作为最能代表人身份信息的介质，为无人经济创造了数据入口。

利用人脸识别技术可以帮助商家打通会员信息。过去，顾客只有在支付时拿出会员卡营业员才能得知身份，而通过搭载人脸识别技术的智能终端（例如智慧数字标牌等），可以在顾客入店时利用AI系统自动识别其身份，随后通过终端设备提醒服务员；已有VIP会员进入店铺，以可视化的形式提供对方的核心信息与用户画像，以便让服务员提前为特需顾客提供优质的服务。

目前智慧自动售货机也实现了人脸识别支付。以视美泰的人脸识别智慧自动售货机解决方案为例，当会员系统与自动零售系统对接后，用户注册成为会员并进行账户充值，之后在选购商品时就无需再使用手机、现金等，只需刷脸就可以完成3秒支付出货的极致体验。

三、金融领域
在金融领域人脸识别技术同样大放异彩。支付宝的刷脸登录付款大家已经不会陌生了，通过刷脸可以进行账户登录并支付。

多家银行升级了ATM机，其搭载的人脸识别技术全部采用最新的红外双目摄像头活体检测技术，能够完全抵御照片、换脸视频、翻拍、面具攻击，除此之外，还具备静默活体、动作活体、唇语活体等活体检验方式，另外取款除了采用人脸识别功能，用户还需要输入手机号码或身份证号进行身份确认，最后再依靠密钥进行取款。

四、智慧自助终端
随着信息化发展和行业服务效率需求的提升，无人化成为大势所趋，对自助服务终端的需求进入快速增长期，智慧自助终端在银行、电信、教育、医疗、交通、零售等多个行业和领域全面扩张。而人脸识别技术在自助终端上也开始得到应用。

比如身份证明自助办理终端，通过人脸识别技术实时核验办理人员的身份信息，实现完全自助化办理，为群众带来了极大的便利，同时减轻了窗口民警的工作压力，提升了工作效率。带人脸识别功能的核心主板多为视美泰IoT-3288系列人工智能主板，采用的是商汤科技的算法，在精准度上已达99.5%，因此实际服务于民众时能带来更好地使用体验。

五、娱乐领域
人脸识别技术在娱乐领域同样应用广泛：
1、基于智能人脸检测定位技术，可以打造移动端美颜、美妆效果解决方案。

利用人脸识别中的人脸关键点跟踪、手势识别、背景分割等技术，可以在直播场景中实现更多样化的炫酷效果。

视美泰认为人脸识别技术在进一步完善，解决更复杂环境中的光线等问题，还将在智慧城市的建设中起到更大的作用，为人们带来更为智慧化的生活。

㈦ 行人识别预警系统组成及其工作原理是什么

行人识别预警系统自动对高速路进行实时监测，无需人工干预，一旦检测到行人进入时，便会立即触发告警，并将告警消息发送到管理人员的手机上，提醒其及时处理。同时将报警截图和视频保存到数据库形成报表，可根据时间段对报警记录和报警截图、视频进行查询点播，方便进行事后轨迹回溯，快速查找责任人。

㈧ 基于计算机视觉的行人检测及跟踪算法设计 采用opencv和vc用camshift算法。实习急用，只要源代码

这个实现的难度不是非常大，但是编代码需要耗点时间，你可以知道些人脸检测的代码，改改就是了，人脸的分类器和人全身的分类器opencv都是自带的