视频贴图

用于计算机视觉应用的标签视频

在第页中展开全部

描述

这视频贴图该应用程序允许您在视频、图像序列或自定义数据源读取器中标记地面真相数据。使用该应用程序，您可以：

定义矩形区域（ROI）标签，折线ROI标签，像素ROI标签和场景标签。使用这些标签以交互方式标记您的地面真理数据。
使用内置检测或跟踪算法来标记您的地面真理数据。
编写、导入并使用您自己的自定义自动化算法自动标记地面真相。看见创建自动标记算法。
使用可视化摘要评估标签自动化算法的性能。请参阅查看地面真理标签摘要。
将标签的地面真理导出为一个地面对象。您可以使用此对象进行系统验证或培训对象检测器或语义分段网络。请参阅对象检测和语义分割的培训数据。

要了解有关此应用程序的更多信息，请参阅开始使用视频贴标程序。

打开视频标签应用程序

马铃薯^®工具条：在应用程序标签，下面图像处理和计算机视觉，单击应用程序图标。
MATLAB命令提示：输入videolabeler.。

例子

程序使用

展开全部

`videolabeler.`

videolabeler.打开应用程序的新会话，使您可以在视频或图像序列中标记地面真实数据。

`视频标签机（视频文件名）`

视频标签机（视频文件名）打开应用程序并加载输入视频。视频文件必须具有支持的扩展名金宝app录像机。

例子：Videolabeler（'vipmen.avi'）

`Videolabeler（ImageSeqfolder）`

Videolabeler（ImageSeqfolder）打开应用程序并从输入文件夹加载图像序列。一个图像序列是一个类似于视频的有序图像集。

ImageSeqfolder.必须是指定包含图像文件的文件夹的字符串标量或字符向量。图像文件的扩展名必须由支持金宝appimformats.并按返回的顺序加载谜语功能。

`Videolabeler（ImageSeqfolder，时间戳）`

Videolabeler（ImageSeqfolder，时间戳）打开应用程序并加载具有相应时间戳的一系列图像。时间戳一定是个期间与序列中的图像数量相同的矢量。

例如，将一系列图像和它们的相应时间戳加载到应用程序中。

imageDir=完整文件（toolboxdir('想象'),'VisionData'那'newtsukuba'）;时间戳=秒（1：150）;Videolabeler（Imagedir，时间戳）

`视频标签机（gtSource）`

视频标签机（gtSource）打开应用程序并加载数据源和相应的时间戳地下adatasource.对象gtsource.. 要为自定义数据源生成此对象，可以指定自定义读取器函数。有关详细信息，请参阅使用自定义图像源读写标记。

`videolabeler（会议帧）`

videolabeler（会议帧）打开应用程序并加载已保存的应用程序会话，sessionfile.。这sessionfile.输入包含路径和文件名。垫子文件sessionfile.要点包含保存的会话。

`Videolabeler（GTRUTH）`

Videolabeler（GTRUTH）打开应用程序并加载地面目的。您无需在加载对象之前添加视频。地面真理对象数据源必须是图像序列，视频或自定义数据源。

局限性

内置自动化算法仅支持矩形ROI标签的自动化。金宝app当您选择内置算法并单击自动化、场景标签、像素ROI标签、多段线ROI标签、子标签和属性不会导入到自动化会话中。要自动标记这些功能，请创建自定义自动算法。看见创建自动标记算法。
像素ROI标签不支持子标签或属性。金宝app
标签摘要窗口不支持子标签或属性金宝app

更多关于

展开全部

ROI标签、子标签和属性

在应用程序的左侧，ROI标签窗格包含您可以在框架上标记的兴趣区域（ROI）标签定义。您可以直接从此窗格创建标签定义。或者，您可以通过使用a以编程方式创建标签定义LANENDEFINITIONCREATOR.对象，然后将这些标签定义导入到应用程序会话中。

该应用程序支持R金宝appOI标签，Sublabels和属性的定义。

为应用程序选择ROI标签和绘图工具

您可以使用标记的数据来验证或训练算法，例如图像分类器，对象检测器和语义和实例分段网络。选择标签绘图工具创建ROI标签时，请考虑您的应用程序。下图显示了四种不同应用程序的标记技术。

应用	标签类型	实例
图像分类	N / A.	船、飞机
目标检测	线长方形预计的矩形
语义分割	像素标签多边形
实例分割	多边形

ROI标签

一个ROI标签是对应于信号帧中的感兴趣区域（ROI）的标签。该表描述了支持的标签类型。金宝app

ROI标签	描述	场景
`长方形`	围绕对象绘制矩形ROI标签（边界框）。	车辆、行人、路标
`投影长方体`	绘制长方体ROI标签（三维边界框）。
`线`	绘制线性ROI标签以表示线条。绘制折线投资回报率，使用两点或多个点。	车道边界，护栏，道路遏制
`像素标签`	为像素指定标签以进行语义分割。您可以使用多边形、笔刷或整体填充手动标记像素。有关像素标签的详细信息，请参阅用于语义分割的标记像素。	车辆、路面、树木、路面
`多边形`	绘制多边形ROI标签。您可以标记同一类的独特实例。有关绘制多边形ROI标签的详细信息和语义分段网络，请参阅使用多边形的标签对象	车辆、路面、树木、路面

ROI子标签

一个ROI Sublabel.是属于父标签的ROI标签。使用ROI Sublabels在标记的地面真实数据中提供关于ROI的更大程度的细节。例如，一个车辆标签可能包含前灯那授权授权牌和轮子标签。只能为矩形和多段线标签创建子标签。有关子标签的详细信息，请参阅使用sublabels和属性来标记地面真理数据。

ROI属性

一个ROI属性指定有关ROI标签或Sublabel的其他信息。例如，在驾驶场景中，属性可以包括车辆的类型或颜色。该表描述了支持的属性类型。金宝app

属性类型	示例属性定义	示例默认值
`数值`
`细绳`
`逻辑`
`列表`

有关属性的详细信息，请参见使用sublabels和属性来标记地面真理数据。

提示

为避免使用新标签重新标记原始真理，请在标记您的地面真理之前组织您要使用的标签方案。

算法

展开全部

您可以使用标签自动化算法来加快应用程序中的标签。要创建自己的标签自动化算法要在应用程序中使用，请参阅创建自动标记算法。您还可以通过以下步骤使用其中一种内置算法：

导入要添加标签的数据，并至少创建一个标签定义。
在应用程序工具条上，单击选择算法并选择一个内置的自动化算法。
点击自动化，然后按照自动化窗口右窗格中的自动化说明进行操作。

ACF人员探测器

使用聚合通道功能（ACF）检测和标记人员。该算法基于人侦测器功能。要使用此算法，必须定义至少一个矩形ROI标签。您无需绘制任何ROI标签。

为了帮助改进算法结果，请首先单击设置。您可以更改其中任何设置。

算法使用的预染人探测器模型 -“inria-100x41”使用INRIA人员数据集接受培训模型。这“加州理工学院-50x21”使用CALTECH行人数据集接受培训的模型。
重叠比率阈值，从0到1，用于检测人 - 当矩形ROI重叠超过此阈值时，算法丢弃了一个ROI。
检测人员的分类分数阈值-增加分数以增加算法的预测可信度。分数低于此阈值的矩形将被丢弃。

点跟踪器

使用Kanade Lucas-Tomasi（KLT）算法在短时间间隔内跟踪和标记一个或多个矩形ROI标签Vision.PointCracker.系统对象™. 要使用此算法，必须至少定义一个矩形ROI标签，但不需要绘制任何ROI标签。

要更改用于获取跟踪初始点的特征检测器，请单击设置。此表显示了特征探测器选项。

特征检测器	描述	等效功能
`最小eIgen价值`	使用最小特征值算法检测角点。	`侦探训练`
`哈里斯`	使用Harris–Stephens算法检测角点。	`探测器法`
`快速地`	通过使用加速段测试（FAST）算法的特征来检测角落。	`检测广播功能`
`轻快的`	使用二进制鲁棒不变可伸缩关键点（快速）算法来检测特征。	`检测风险特征`
`Kaze.`	通过使用非线性扩散来构造图像的刻度空间，然后从该刻度空间中检测多尺度角特征（Kaze特征）来检测特征。	`检察官化`
`冲浪`	使用加速鲁棒特征（SURF）算法检测斑点特征。	`检测特征`
`MSER.`	通过使用最大稳定的极值区域（MSER）算法来检测区域。	`检测器饲料`

颞插管

通过在时间范围内插入ROI位置来估计帧之间的矩形ROI。要使用此算法，必须在至少两个帧上绘制矩形ROI：在间隔开头和间隔末尾的一个。插值算法估计并在中间帧中绘制ROI。

考虑一个带10帧的视频。第一帧具有以[5,5]为中心的矩形ROI。第10帧具有以[25,25]为中心的矩形ROI。在每个帧，该算法在算法中移动ROI 2像素X- 和2个像素y-方向。因此，该算法在第二帧中的[7,7]中的ROI在第三帧中[9,9]，等等，在第二帧中最多高达[23,23]。

ACF车辆检测器（需要自动化驾驶工具箱）

使用聚合通道功能（ACF）检测和标记车辆。该算法基于车辆（自动驾驶工具箱）功能。要使用此算法，必须定义至少一个矩形ROI标签。您无需绘制任何ROI标签。

为了帮助改进算法结果，请首先单击设置。您可以更改其中任何设置。

该算法使用的预训练车辆检测器模型“全景”使用车辆的前部，后部，左侧，右侧和右侧的未密封图像进行培训。这'前后视图'模型仅使用车辆前部和后部的图像进行训练。
重叠比阈值从0到1，用于检测车辆 - 当矩形ROI重叠超过此阈值时，该算法丢弃了一个ROI。
用于检测车辆的分类得分阈值 - 增加得分以增加算法的预测置信度。丢弃具有以下阈值以下分数的矩形。

您还可以通过导入校准单眼相机配置检测器单纸巾（自动驾驶工具箱）对象导入MATLAB工作区。以世界单位（如米）指定车辆的长度和宽度范围。

车道边界探测器（需要自动化驾驶工具箱）

使用估计的鸟瞰投影图像来检测和标记车道边界。要使用此算法，必须定义至少一行ROI标签。您无需绘制任何ROI标签。要检测车道边界，算法遵循以下步骤：

它在图像中的车道边界的位置进行了初步猜测。
它将吊索转变为鸟瞰图，以使车道平行并去除失真。
它使用此图像分割车道边界。

为了帮助改进算法结果，请首先单击设置。您可以更改其中任何设置。

用于生成鸟瞰视图图像的车道线的放置
车道周围的ROI，您可以将其扩展到图像中包含的不仅仅是自我车道边界
图像中检测到的车道边界的像素宽度

您还可以更改要检测的通道边界数。默认的车道边界数是2。

也可以看看

话题

在R2018B中介绍

视频贴图

描述

打开视频标签应用程序

例子

相关例子

程序使用

`videolabeler.`

`视频标签机（视频文件名）`

`Videolabeler（ImageSeqfolder）`

`Videolabeler（ImageSeqfolder，时间戳）`

`视频标签机（gtSource）`

`videolabeler（会议帧）`

`Videolabeler（GTRUTH）`

局限性

更多关于

ROI标签、子标签和属性

提示

算法

ACF人员探测器

点跟踪器

颞插管

ACF车辆检测器（需要自动化驾驶工具箱）

车道边界探测器（需要自动化驾驶工具箱）

也可以看看

应用程序

职能

对象

话题

计算机视觉工具箱文档

金宝app

与Matlab引入深度学习