該項目是一系列用深度圖進行人體檢測的一些機器學習方法的實現，主要方法是通過傳統特征算子提取特征，然后訓練SVM分類器，通過多尺度滑窗的方式處理整幅圖像。可用于基于機器學習進行深度圖人體檢測方法的學習或項目。

包括的論文

HDD:
Wu S, Yu S, Chen W. An attempt to pedestrian detection in depth images[C]//Intelligent Visual Surveillance (IVS), 2011 Third Chinese Conference on. IEEE, 2011: 97-100.
SLTP:
Yu S, Wu S, Wang L. Sltp: A fast descriptor for people detection in depth images[C]//Advanced Video and Signal-Based Surveillance (AVSS), 2012 IEEE Ninth International Conference on. IEEE, 2012: 43-47.
ELDP:
Zhong F, Zhang J. Face recognition with enhanced local directional patterns[J]. Neurocomputing, 2013, 119: 375-384.
LDP:?Jabid T, Kabir M H, Chae O. Facial expression recognition using local directional pattern (LDP)[C]//2010 IEEE International Conference on Image Processing. IEEE, 2010: 1605-1608.
LTDP:
Shen Y, Hao Z, Wang P, et al. A novel human detection approach based on depth map via Kinect[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. 2013: 535-541.

編譯安裝

項目依賴OpenCV3, 假設OpenCV位于D://opencv, 則將CMakeLists.txt中OpenCV_DIR設置為此路徑，以方便找到OpenCV.
項目目前支持Windows，但只是一些目錄操作使用了windows API, 去除這部分后即可用于其他平臺。

mkdir build && cd build
cmake .. -G "Visual Studio 14 2015 Win64"

訓練

數據準備

準備正負樣本圖片，其中正樣本目錄數據為人體圖片，訓練時會resize為64x128,負樣本為背景圖片隨機摳圖。 在訓練時，可將負樣本原圖（即不包含人體）也輸入，在訓練過程中可進行誤檢困難樣本的挖掘。

訓練

在trainer.cpp中設置樣本路徑，模型存放路徑以及困難樣本的保存路徑，設置要訓練的特征算子方法，即可開始訓練。 在一輪訓練后，將在負樣本原圖上執行算法，并將誤檢的圖片加入訓練，再進行一次訓練。

測試&使用

參考detector.cpp, 輸入原圖，即可得到預測的檢測框。如圖：

?