Matlab-vision包学习-Object Detection and Recognition-物体识别方法中级联分类器训练

这一篇将介绍级联分类器训练的matlab函数

函数/Functions

函数名称:trainCascadeObjectDetector

功能:训练级联分类器

语法:trainCascadeObjectDetector(outputXMLFilename,positiveInstance,negativeImage);

            trainCascadeObjectDetector(outputXMLFilename,'resume'); 

            trainCascadeObjectDetector(_,Name,Value); 

其中,outputXMLFilename为训练获得的级联识别器XML文件名称,该文件名称必须以.xml作为格式扩展名;positiveInstance为正例,NegativeImages为包含“背景图像”的路径或包含图像文件名的cell数组,Name为用一对单引号包含的字符串,Value为对应Name的值。


Name&Value参数
Name Value
'ObjectTrainingSize' 默认值为’Auto',或者取值为[height,width],表示训练样本所用正例图像的大小
‘NegativeSamplesFactor' 默认值为2,范围为正实数,取用确定用于每一级识别器所用的反例的数目,计算方式如下:
NegativeSamplesFactor * [每一级识别器训练所用的正例的个数]
‘NumCascadeStages' 默认值为20,取值为正整数,取值与FalseAlarmRate和TruePositiveRate相关,当取值较大时,出现过拟合问题,即虚警率较高
’FalseAlarmRate' 默认值为0.5,范围为(0,1],表示反例识别为正例的虚警率
‘TruePositiveRate' 默认值为0.995,范围为(0,1],表示正例识别为正例的比例
’FeatureType' 默认值为‘HOG',表示梯度方向直方图特征;’Haar'表示Harr-like特征;‘LBP'表示Local Binary Patterns


举例:

close all; 
clear all; 
clc; 

load('stopSigns.mat'); 
imDir = fullfile(matlabroot,'toolbox','vision','visiondemos','stopSignImages'); 
addpath(imDir); 

negativeFolder = fullfile(matlabroot,'toolbox','vision','visiondemos','non_stop_signs'); 
trainCascadeObjectDetector('stopSignDetector.xml',data,negativeFolder,'FalseAlarmRate',0.2,'NumCascadeStages',5); 

detector = vision.CascadeObjectDetector('stopSignDetector.xml'); 
img = imread('stopSignTest.jpg'); 
bbox = step(detector,img); 
detectedImg = insertObjectAnnotation(img,'rectangle',bbox,'stop sign'); 
figure;
imshow(detectedImg); 


Matlab-vision包学习-Object Detection and Recognition-物体识别方法中级联分类器训练_第1张图片


你可能感兴趣的:(Matlab-vision)