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 |
|---|---|
| '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);
