ACF分类模型，指定为逗号分隔对，由'模型”,要么inria - 100 x41的或“caltech-50x21”．的inria - 100 x41的模型使用INRIA Person数据集进行训练。的“caltech-50x21”模型使用Caltech行人数据集进行训练。

每个八度音阶的刻度级数目，指定为逗号分隔对，包括'NumScaleLevels'和整数。每个八度是图像的二次幂。增加这个数字以在更细的规模上检测人。建议取值范围为[4,8]。

用于滑动窗口的窗口步长，指定为逗号分隔对，由'WindowStride'和整数。将此值设置为您想要移动窗口的数量，在x和y的方向。滑动窗口扫描图像进行目标检测。该函数使用相同的步幅x和y的方向。

选择最强的边界框，指定为逗号分隔的对，包含'SelectStrongest”,要么真正的或假．这个过程通常被称为非最大抑制，消除了基于分数的重叠边界框。将此属性设置为真正的使用selectStrongestBbox函数选择最强的边界框。将此属性设置为假，以执行自定义选择操作。将此属性设置为假返回检测到的边界框。

以像素为单位的最小区域大小，指定为逗号分隔对，由'MinSize，以及一个二元素向量[高度宽度］．您可以将此属性设置为50 [21]为“caltech-50x21”模型或41 [100]为inria - 100 x41的模型。您可以通过将此值设置为已知的检测人员的最小区域大小来减少计算时间。默认情况下,MinSize为所选分类模型设置为可检测直立人员的最小区域大小。

以像素为单位的最大区域大小，指定为逗号分隔对，由'最大尺寸，和一个二元素向量，[高度宽度］．您可以通过将此值设置为已知的区域大小来减少计算时间，以检测一个人。如果未设置此值，则默认情况下，该函数使用的大小来确定图像的高度和宽度我．

分类精度阈值，指定为逗号分隔对，由阈值和一个数值。典型值在[- 1,1]范围内。在多尺度目标检测中，阈值控制着人或非人的分类精度和速度。增加这个阈值以提高性能，但有丢失真实检测的风险。