贴标签机视频

计算机视觉应用程序标签的视频

自从R2018b

扩展所有的页面

描述

的贴标签机视频应用程序使您能够标签地面实况数据在一个视频中,在一个图像序列,或从一个自定义数据源的读者。使用这个应用程序,您可以:

定义矩形的感兴趣的区域(ROI)标签,折线ROI标签,像素ROI标签和标签。使用这些标签地面实况数据交互标签。
使用内置的检测或跟踪算法将地面实况数据。
写、导入和使用自己的自定义自动化算法自动标签地面实况。看到为标签创建自动化算法。
评估您的标签自动化算法的性能使用可视总结。看到观点的总结地面实况标签。
导出标签作为地面真理groundTruth对象。您可以使用该对象为系统验证或培训对象探测器或语义分割网络。看到培训对象检测数据和语义分割。

更多地了解这个程序,请参阅贴标签机开始使用视频。

打开视频贴标签机应用

MATLAB^®将来发布:应用程序选项卡,在图像处理和计算机视觉,点击应用程序图标。
MATLAB命令提示:输入videoLabeler。

例子

贴标签机开始使用视频

编程使用

全部展开

`videoLabeler`

videoLabeler打开一个新会话的应用程序,使您能够标签地面实况视频或图像序列中的数据。

`videoLabeler (videoFileName)`

videoLabeler (videoFileName)打开应用程序,加载输入视频。支持的视频文件必须有一个扩展金宝appVideoReader。

例子:videoLabeler (“vipmen.avi”)

`videoLabeler (imageSeqFolder)`

videoLabeler (imageSeqFolder)打开应用程序,加载图像序列从输入文件夹。一个图像序列是一组有序的图像类似的视频。

imageSeqFolder必须是一个标量字符串或字符向量指定包含图像文件的文件夹。支持的图像文件必须扩展金宝appimformats并在返回的顺序加载dir函数。

`videoLabeler (imageSeqFolder、时间戳)`

videoLabeler (imageSeqFolder、时间戳)打开应用程序,加载一个序列的图像与相应的时间戳。时间戳必须是一个持续时间向量长度相同的序列图像的数量。

例如,图像序列及其对应的时间戳加载到应用程序。

imageDir = fullfile (toolboxdir (“愿景”),“visiondata”,“NewTsukuba”);时间戳=秒(1:15);videoLabeler (imageDir、时间戳)

`videoLabeler (gtSource)`

videoLabeler (gtSource)打开应用程序,加载数据源和对应的时间戳groundTruthDataSource对象,gtSource。为一个自定义生成该对象数据源,读者可以指定一个自定义函数。有关详细信息,请参见使用自定义图像源阅读器标签。

`videoLabeler (sessionFile)`

videoLabeler (sessionFile)打开应用程序,加载保存应用程序会话,sessionFile。的sessionFile输入包含路径和文件名。的MAT-filesessionFile指向包含保存的会话。

`videoLabeler (gTruth)`

videoLabeler (gTruth)打开应用程序,加载groundTruth对象。你不需要在装货前添加一个视频对象。地面实况对象数据源必须是图像序列,视频,或一个自定义的数据源。

限制

内置的自动化算法支持的自动化矩形ROI标签。金宝app当您选择一个内置的算法并单击自动化,标签,像素ROI标签,折线ROI标签,sublabels,属性不是导入自动化会话。自动化这些特性的标签,创建一个定制的自动化算法。看到为标签创建自动化算法。
像素不支持sublabels ROI标签或属性。金宝app
标签摘要窗口不支持sublabels或属性金宝app

更多关于

全部展开

ROI标签,Sublabels和属性

左边的应用,ROI标签窗格包含感兴趣的区域(ROI)标签定义,您可以标记帧。你可以直接从此窗格创建标签定义。或者,您可以创建标签定义编程方式使用labelDefinitionCreator对象,然后将这些标签定义导入到一个应用程序会话。

应用程序支持的定金宝app义ROI标签,sublabels和属性。

为应用程序选择ROI标签和绘图工具

你可以使用带安全标签的数据来验证或训练算法等图像分类器,语义和实例对象探测器,分割网络。考虑您的应用程序选择标签时绘图工具创建ROI标签。下图展示了四个不同的应用程序标签技术。

应用程序	标签类型	例子
图像分类	N /一个	船,飞机
对象检测	行矩形预计矩形
语义分割	像素标签多边形
实例分割	多边形

ROI标签

一个ROI标签是一个标签,对应于一个感兴趣的区域(ROI)信号帧。表描述了支持标签类型。金宝app

ROI标签	描述	场景
`矩形`	画矩形ROI标签(边框)对象。	车辆、行人、道路标志
`预计长方体`	画立方形的ROI标签(3 d边界框)。
`行`	画直线的ROI标签来表示行。画一个折线ROI,使用两个或两个以上的点。	车道边界、栏杆、道路的限制
`像素标签`	分配标签为语义分割像素。您可以手动标签像素使用多边形,刷子或洪水填充。更多像素标签,看到的标签像素为语义分割。	车辆、路面、树木,人行道上
`多边形`	画多边形ROI标签。你可以标注同一个类的不同实例。比如画多边形ROI标签上的更多信息和语义分割网络,看到的使用多边形标签对象	车辆、路面、树木,人行道上

ROI Sublabels

一个ROI sublabel是一个ROI标签属于父标签。使用ROI sublabels提供更大程度的细节你标记的ROI地面实况数据。例如,一个车辆标签可能包含头灯,licensePlate,轮sublabels。您可以创建sublabels只对矩形和折线标签。关于sublabels更多细节,请参阅使用Sublabels标签地面实况数据和属性。

ROI属性

一个ROI属性指定关于一个ROI标签或sublabel附加信息。例如,在一个驾驶场景,属性可能包含车辆的类型或颜色。表描述了支持的属性类型。金宝app

属性类型	样本属性定义	样本的默认值
`数值`
`字符串`
`逻辑`
`列表`

关于属性的更多细节,请参阅使用Sublabels标签地面实况数据和属性。

提示

为了避免在地面实况新标签,组织标签计划之前你想使用标记你的地面真理。

算法

全部展开

您可以使用标签自动化算法来加快应用标签。标签来创建您自己的自动化算法中使用应用程序,看看为标签创建自动化算法。您还可以使用一个内置的算法通过以下步骤:

你想标签,导入数据,并创建至少一个标签定义。
在应用程序将来发布,点击选择算法和选择一个内置的自动化算法。
点击自动化,然后按照自动化自动化窗口的指令在右窗格中。

ACF人探测器

人们使用聚合通道特性检测和标签(ACF)。该算法是基于peopleDetectorACF函数。使用该算法,您必须定义至少一个矩形ROI标签。你不需要画任何ROI标签。

来帮助改善算法的结果,第一次点击设置。您可以更改这些设置。

pretrained人民探测器模型,该算法使用的inria - 100 x41的模型训练使用INRIA人数据集。“caltech-50x21”使用加州理工学院的行人模型训练数据集。
重叠率阈值,从0到1,检测人——当矩形roi重叠超过这个阈值,算法丢弃的roi。
分类分阈值检测人——增加分数增加算法的预测的信心。矩形得分低于这个阈值被丢弃。

点跟踪器

跟踪标签和一个或多个矩形ROI标签在很短的时间内通过使用Kanade-Lucas-Tomasi (KLT)算法。该算法是基于vision.PointTracker系统对象™。使用该算法,您必须定义至少一个矩形ROI标签,但你不需要画任何ROI标签。

改变特征检测器用于获得的初始点跟踪,点击设置。此表显示了特征检测器的选择。

特征检测器	描述	等效函数
`最小特征值`	通过使用最小特征值算法检测角落。	`detectMinEigenFeatures`
`哈里斯`	通过使用Harris-Stephens算法检测到角落。	`detectHarrisFeatures`
`快`	发现角落里用的特性加速段试验(快速)算法。	`detectFASTFeatures`
`轻快的`	检测功能通过使用二进制健壮的不变的可伸缩的要点(快)算法。	`detectBRISKFeatures`
`KAZE`	检测利用非线性扩散特性构建尺度空间的图像,然后检测多尺度角尺度空间(KAZE功能)的特征。	`detectKAZEFeatures`
`冲浪`	检测blob功能通过使用“骗健壮的功能(冲浪)算法。	`detectSURFFeatures`
`女士`	检测区域通过最大限度地稳定的极值区域(女士)算法。	`detectMSERFeatures`

时间内插程序

估计矩形ROI或项目之间的长方体ROI帧插值ROI的位置在整个时间范围。使用该算法,必须画一个矩形ROI或预计长方体ROI的最低两个框架:一个间隔的开始和一个结束的时候间隔。插值算法估计和吸引roi中间帧。

考虑一个视频10帧。第一帧为中心的矩形ROI在[5,5]。第十架有一个矩形的ROI集中在(25,25)。在每一帧,该算法将ROI 2像素x方向和2像素的y方向。因此,算法中心[7]的ROI第二帧,第三帧[9,9],等等,在倒数第二个(23日23)框架。

ACF车辆检测器(需要自动驾驶的工具箱)

车辆检测和标签使用聚合通道特性(ACF)。该算法是基于vehicleDetectorACF(自动驾驶工具箱)函数。使用该算法,您必须定义至少一个矩形ROI标签。你不需要画任何ROI标签。

来帮助改善算法的结果,第一次点击设置。您可以更改这些设置。

pretrained车辆检测器模型,该算法使用的“众目睽睽”模型训练使用,从而图像前,后,左,右两侧的车辆。的“front-rear-view”模型训练使用的图像只有前方和后方的车辆。
重叠率阈值,从0到1,检测车辆,当矩形roi重叠超过这个阈值,算法丢弃的roi。
分类分数阈值来检测车辆,增加分数增加算法的预测的信心。矩形得分低于这个阈值被丢弃。

您还可以配置的探测器校准单眼相机通过导入monoCamera(自动驾驶工具箱)对象到MATLAB的工作区中。指定车辆的长度和宽度范围在世界单位,如米。

车道边界探测器(需要自动驾驶的工具箱)

车道边界检测和标签使用投影估计鸟瞰图。使用该算法,您必须定义至少一个ROI标签。你不需要画任何ROI标签。检测车道边界,该算法遵循这些步骤:

它使一个初始猜测图像中的车道边界的位置。
它变换车道周围的ROI鸟瞰图像使车道平行和消除失真。
它使用这张图片段车道边界。

来帮助改善算法的结果,第一次点击设置。您可以更改这些设置。

车道线的位置生成鸟瞰图的图像
周围的ROI车道,可以扩展到包含的不仅仅是自我图像中车道边界
图像中检测出车道边界的像素宽度

你也可以改变车道的数量界限,你想检测。默认的车道边界2。

版本历史

介绍了R2018b

另请参阅

应用程序

图片标志|地面实况贴标签机(自动驾驶工具箱)|激光雷达贴标签机(激光雷达工具箱)

贴标签机视频

描述

打开视频贴标签机应用

例子

编程使用

videoLabeler

videoLabeler (videoFileName)

videoLabeler (imageSeqFolder)

videoLabeler (imageSeqFolder、时间戳)

videoLabeler (gtSource)

videoLabeler (sessionFile)

videoLabeler (gTruth)

限制

更多关于

ROI标签,Sublabels和属性

提示

算法

ACF人探测器

点跟踪器

时间内插程序

ACF车辆检测器(需要自动驾驶的工具箱)

车道边界探测器(需要自动驾驶的工具箱)

版本历史

另请参阅

应用程序

功能

对象

主题

`videoLabeler`

`videoLabeler (videoFileName)`

`videoLabeler (imageSeqFolder)`

`videoLabeler (imageSeqFolder、时间戳)`

`videoLabeler (gtSource)`

`videoLabeler (sessionFile)`

`videoLabeler (gTruth)`