运行环境为：Ubuntu 16.04 && OpenCV 2.4.13 代码参考自：http://blog.csdn.net/masibuaa/article/details/16105073 INRIA Person数据库下载： 【相关说明】 【直接下载地址（970M）】ftp://ftp.inrialpes.fr/pub/lear/douze/data/INRIAPerson.tar

开始前建立文件夹用于存储正负样本和HardExample，正样本图片直接复制INRIA中的正样本图片，负样本图片通过裁剪得到。

$ mkdir -p dataset/pos dataset/neg dataset/HardExample
$ cp INRIAPerson/96X160H96/Train/pos/* dataset/pos/

$ cmake .
$ make

也可以在命令行使用g++编译出可执行文件，例如

$ g++ -o CropImage crop_image.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o SvmTrainUseHog main.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o GetHardExample find_save_HardExample.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o ImageDetect image_detect.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o VideoDetect video_detect.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o PeopleDetect peopledetect.cpp $(pkg-config opencv --cflags --libs)

INRIA中有1218张负样本图片，CropImage从每一张图片中随机裁剪出10张大小为64x128的图片，最终总共会得到12180张图片，存储在dataset/neg文件夹中。上面已经编译出了可执行文件，直接通过CropImage裁剪出负样本图片。

$ ./CropImage

先修改 dataset.h 里面参数，将 TRAIN 由 false 改为 true , 以进行训练，参数修改后需通过 make 重新编译可执行文件，然后通过 SvmTrainUseHog 开始训练。

$ make
$ ./SvmTrainUseHog

到这里已经得到了 SVM_HOG.xml 可以用来进行检测，但是检测效果不太好，所以下面加入 HardExample 来进行进一步训练。

通过 GetHardExample 从 INRIA 原始的负样本图片中检测出 HardExample ，图片会保存到 dataset/HardExample

$ ./GetHardExample

将 HardExample 图片列表写入文件 HardExample_FromINRIA_NegList.txt ， 修改 dataset.h 里面的参数，将 HardExampleNO 由 0 改为第三步中得到的图片数目，修改后通过 make 重新编译可执行文件，最后通过 SvmTrainUseHog 重新训练。

$ ls dataset/HardExample/ >HardExample_FromINRIA_NegList.txt
$ make
$ ./SvmTrainUseHog

检测示例图片：

• SVM_HOG.xml为最终训练好的SVM分类器
• ImageDetect可对图片进行检测
• VideoDetect可对视频进行检测
• PeopleDetect为OpenCV默认参数的行人检测程序

源文件： https://github.com/icsfy/Pedestrian_Detection

参考：https://blog.csdn.net/gojawee/article/category/6778915/1

1. 将 INRIAPerson.tar 下载解压。 （http://pascal.inrialpes.fr/data/human/）

2.  mkdir -p dataset/pos dataset/neg dataset/HardExample
   

   cp INRIAPerson/96X160H96/Train/pos/* dataset/pos/ Windows下手动生成几个文件夹并将图片放到pos文件夹下

3. 使用 vs2015 + opencv2.4.13 编译相关文件 1）编译 crop_image.cpp + dataset.h + my_svm.h，生成用于裁剪负样本图片的程序。 2）编译 main.cpp + dataset.h + my_svm.h，生成用于训练的程序。 3）编译 find_save_HardExample.cpp + dataset.h + my_svm.h，生成用于获取HardExample的程序。 4）编译 image_detect.cpp + dataset.h + my_svm.h，用于生成测试的程序。 5）peopledetect.cpp ，生成的opencv自带的行人检测程序。 6）video_detect.cpp，生成用于检测视频中行人的检测程序。

可能出现的问题： 1. 修改训练窗口大小不是 64x128, 可能会出现 OpenCV Error: Assertion failed <checkDetectorSize<>> in cv::HOGDescriptor::setSVMDetector, file ........\opencv\modules\objdetect\src\hog.cpp, line89 解决：在mian.cpp函数中增加hog检测子的大小定义。 #ifdef train_image_64x128 HOGDescriptor myHOG; #else HOGDescriptor myHOG(Size(32, 64), Size(16, 16), Size(8, 8), Size(8, 8), 9);//HOG检测器，用来计算HOG描述子的 #endif

2. 训练样本或者hard样本时 OpenCV Error: Assertion failed (ssize.area() > 0) in cv::resize, file C:\build\2_4_winpack-build-win64-vc14\opencv\modules\imgproc\src\imgwarp.cpp, line 1968 分析： 1.空路径空文件等 2.超大文件，数据溢出 3.检测出的窗口大小为 0的情况下去resize

OpenCV Error: Assertion failed (dims <= 2 && step[0] > 0) in cv::Mat::locateROI, file C: 分析： 出错的地方位于opencv内部的“断言”错误。看相关代码，是在调用opencv相关函数的时候参数不符合规则。 也就是说，代码在访问某个Mat矩阵时越界了，所以报错。 解决：查看 D:\work\git\Pedestrian_Detection\HardExample_FromINRIA_NegList.txt 等相关文件中的编码方式是否是 UTF-8