该项目是一系列用深度图进行人体检测的一些机器学习方法的实现，主要方法是通过传统特征算子提取特征，然后训练SVM分类器，通过多尺度滑窗的方式处理整幅图像。可用于基于机器学习进行深度图人体检测方法的学习或项目。
包括的论文
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.
编译安装
项目依赖OpenCV3, 假设OpenCV位于D://opencv, 则将CMakeLists.txt中OpenCV_DIR设置为此路径，以方便找到OpenCV.
项目目前支持Windows，但只是一些目录操作使用了windows API, 去除这部分后即可用于其他平台。
mkdir build && cd build cmake .. -G "Visual Studio 14 2015 Win64"
训练
数据准备
准备正负样本图片，其中正样本目录数据为人体图片，训练时会resize为64x128,负样本为背景图片随机抠图。 在训练时，可将负样本原图（即不包含人体）也输入，在训练过程中可进行误检困难样本的挖掘。
训练
在trainer.cpp中设置样本路径，模型存放路径以及困难样本的保存路径，设置要训练的特征算子方法，即可开始训练。 在一轮训练后，将在负样本原图上执行算法，并将误检的图片加入训练，再进行一次训练。
测试&使用
参考detector.cpp, 输入原图，即可得到预测的检测框。如图：
