matlab训练分类器

http://www.mathworks.cn/cn/help/vision/ug/train-a-cascade-object-detector.html


训练级联分类器


trainingImageLabeler


trainCascadeObjectDetector 


确定参数：


特征种类：
先在小规模样本上用LBP或HOG特征在小样本上跑，然后再换用Haar尝试是否有提升。因为haar慢很多。


提供正样本：
提供包含ROI的矩形框或直接把ROI截取出来并保存为新图片。新的样本可以通过旧样本的旋转、加噪声、改变亮度、对比度来增加。


提供负样本：
可以从负样本图片自动获得。每一级的负样本由上一级判为真的负样本提供，所以越到后面，负样本数目越少，需要在一开始提供尽可能多的负样本。负样本应该尽可能有和正样本有关的背景。


层数：NumCascadeStages
少的层数+低的伪正确率 vs 多的层数+高的伪正确率，这是个问题。FalseAlarmRate
每层的学习器越多，伪正确率越低，但是需要的样本也越多，并且伪错误率也越高。