acfObjectDetector
使用聚合通道特性检测对象
描述
的acfObjectDetectorobject使用聚合通道特征(ACF)对象检测器从图像中检测目标。要检测图像中的目标，将训练过的检测器传递给检测函数。
ACF目标检测器根据训练图像和使用的目标地面真实位置识别图像中的特定目标trainACFObjectDetector函数。
创建
创建一个acfObjectDetector对象，调用trainACFObjectDetector功能与训练数据。
探测器= trainACFObjectDetector (trainingData…)
描述
探测器= acfObjectDetector (创建一个detectorStruct。分类器，detectorStruct。TrainingOptions）acfObjectDetector与现有对象相同的对象acfObjectDetector对象使用对象属性分类器和TraningOptions，存储在detectorStruct结构字段。使用此语法重新创建用于代码生成的ACF对象检测器。
输入参数
属性
例子
基于ACF目标检测器的列车停车标志检测
使用trainACFObjectDetector与训练图像，以创建一个ACF对象检测器，可以检测停止标志。用一个单独的图像测试检测器。
加载训练数据。
负载(“stopSignsAndCars.mat”）
选择地面真理为停止标志。这些地面真相是图像中已知的停车标志的位置。
stopSigns = stopSignsAndCars (:, 1:2);
将完整路径添加到图像文件中。
stopSigns。imageFilename = fullfile (toolboxdir (“愿景”)，．..“visiondata”, stopSigns.imageFilename);
培训ACF检测器。您可以通过指定关闭训练进度输出“详细”,假的作为一个名称,值对。
acfDetector = trainACFObjectDetector (stopSigns,“NegativeSamplesFactor”2);
ACF对象检测器培训该培训将分为4个阶段。模型尺寸为34x31。样本正的例子(~100%完成)计算近似系数…计算聚合通道特性…完成。-------------------------------------------- 阶段1:样本的负面例子(~ 100%)完成计算聚合通道特性…完成。训练分类器有42个正面例子和84个反面例子…经过训练的分类器有19个弱学习者。-------------------------------------------- 阶段2:样本负面例子(~ 100%完成)发现了84个新的负面例子进行训练。计算聚合通道特性…完成。训练分类器有42个正面例子和84个反面例子… The trained classifier has 20 weak learners. -------------------------------------------- Stage 3: Sample negative examples(~100% Completed) Found 84 new negative examples for training. Compute aggregated channel features...Completed. Train classifier with 42 positive examples and 84 negative examples...Completed. The trained classifier has 54 weak learners. -------------------------------------------- Stage 4: Sample negative examples(~100% Completed) Found 84 new negative examples for training. Compute aggregated channel features...Completed. Train classifier with 42 positive examples and 84 negative examples...Completed. The trained classifier has 61 weak learners. -------------------------------------------- ACF object detector training is completed. Elapsed time is 31.3174 seconds.
在测试图像上测试ACF检测器。
img = imread (“stopSignTest.jpg”）;[bboxes,分数]=检测(acfDetector, img);
显示检测结果，并将物体的边框插入到图像中。
为I = 1:length(scores) annotation = sprintf(信心= % .1f '分数(i));img = insertObjectAnnotation (img,“矩形”bboxes(我:),注释);结束图imshow (img)
重新创建用于代码生成的ACF对象检测器
加载ACF停止信号检测器从stopSignDetector.mat文件，该文件作为支持文件出现在当前工作文件夹中。金宝app
stopSignDetector =负载(“stopSignDetectorACF.mat”）;探测器= stopSignDetector.detector
detector = acfObjectDetector带有属性:ModelName: 'stopSign' ObjectTrainingSize: [34 31] NumWeakLearners: 61
将检测器转换为一个结构toStruct函数。
detectorStruct = toStruct(探测器);
要生成代码，将结构传递给MATLAB函数。然后在MATLAB函数中，使用现有的检测器属性创建一个相同的ACF停止标志检测器。
detector1 = acfObjectDetector (detectorStruct.Classifier detectorStruct.TrainingOptions)
detector1 = acfObjectDetector带有属性:ModelName: 'stopSign' ObjectTrainingSize: [34 31] NumWeakLearners: 61
你可以通过detector1到检测功能作为一个输入，从图像检测停止标志。
参考文献
P.阿佩尔、S. Belongie和P. Perona。目标检测的快速特征金字塔模式分析与机器智能，IEEE汇刊．2014年第36卷第8期1532-1545页。
扩展功能
另请参阅
应用程序
功能
你也可以从以下列表中选择一个网站:
