分类模型的名称，指定为'UprightPeople_128x64'要么'UprightPeople_96x48'。像素尺寸指示用于训练图像大小。

用来训练模型的图像包括周围的人背景像素。因此，检测到的人的实际尺寸比训练图像尺寸小。

人们分类阈值，指定为非标量值。使用此阈值多尺度检测过程中控制单个图像子区域的分类。阈值控制分区是否会被列为一个人。当有许多错误的检测可以增加这个值。较高的阈值，更严格的要求，是分类。改变阈值超过值的范围来寻找您的数据集的最佳值。典型值的范围从0至4。

可调：是

包含一个人，以像素为单位指定作为两元件矢量最小区域，[高度宽度]。将此属性设置为包含人的最小尺寸的区域。您可以减少计算时间，当你设置该属性。要做到这一点，该属性设置为用于训练分类模型的图像大小的值。如果不指定此属性，探测器将其设置为用于训练分类模型的图像尺寸。

可调：是

包含一个人，以像素为单位指定作为两元件矢量最大区域，[高度宽度]。将此属性设置为包含一个人最大的地区。您可以减少计算时间，当你设置该属性。要做到这一点，该属性设置为输入图像的尺寸小的值。如果不指定此属性，探测器将它设置为输入图像尺寸。此属性是可调的。

多尺度物体检测缩放，指定为一个值大于1.0001。比例因子逐步扩展的检测分辨率MINSIZE和MAXSIZE。您可以将比例因子设置为使用的理想值：

以像素为单位，指定为标量检测窗口的步幅或两元素的向量，[Xÿ]。检测器使用的窗口的步幅到检测窗口在图像上滑动。当指定该值作为矢量，所述第一和第二元件处于步幅大小X和ÿ方向。如果指定此值作为标量，步幅是上是相同的X和ÿ。减少窗口步幅可以提高检测精度。但是，这样做增加了计算时间。增加窗口大步超越[8 8]会导致错过检测的数量更多。此属性是可调的。

合并检测控制，指定为真正要么假。此属性控制是否类似的检测进行合并。将此属性设置为真正使用均值漂移算法基于合并包围盒。将此属性设置为假输出未合并包围盒。

对于更多的灵活性和合并参数的控制，你可以使用selectStrongestBbox在地方的功能MergeDetections算法。要做到这一点，设置MergeDetections属性假。查看从移动的汽车跟踪行人例如，其示出了使用人的检测器和selectStrongestBbox功能。

感兴趣的使用区域，指定为真正要么假。将此属性设置为真正到的所述输入图像内的感兴趣的矩形区域内检测物体。