vision.PeopleDetector

分类模型的名称,指定为“UprightPeople_128x64”或“UprightPeople_96x48”。像素尺寸显示图像大小用于培训。

图像用于训练模型包括背景像素周围的人。因此,检测到的人的实际尺寸小于训练图像大小。

人分类阈值,指定为负的标量值。使用这个阈值来控制个体的分类图像在多尺度检测条件。阈值控制次区域是否会被分类为一个人。你可以增加这个值时,有很多错误的检测。阈值越高,要求的更严格的分类。不同阈值的范围值来找到您的数据集的最优值,典型值的范围从0来4。

可调:是的

最小的区域包含一个人,作为双元素中指定像素矢量,(高度宽度]。将此属性设置为包含一个人区域的最小大小。可以减少计算时间,当你设定这个属性。为此,将此属性设置为一个值大于图像大小用来训练分类模型。没有指定这个属性时,检测器集的图像大小用来训练分类模型。

可调:是的

最大的区域,包含了一个人,作为双元素中指定像素矢量,(高度宽度]。设置该属性包含一个人最大的地区。可以减少计算时间,当你设定这个属性。为此,将此属性设置为一个值小于输入图像的大小。没有指定这个属性时,探测器将它设置为输入图像的大小。这个属性是可调的。

多尺度对象检测缩放、大于指定为一个值1.0001。之间的比例因子逐步尺度检测分辨率MinSize和最大尺寸。你可以设置一个理想值使用的比例因子:

在像素,检测窗口进步指定为一个标量或一个双元素向量,xy]。探测器使用窗口跨步滑检测窗口在图像。当你指定这个值作为一个矢量,第一和第二元素的步幅大小x和y的方向。当你指定这个值作为标量,步都是相同的x和y。减少窗口跨步可以提高检测精度。然而,这样做会增加计算时间。增加窗口步之外[8]会导致更多的错过了检测。这个属性是可调的。

合并检测控制,指定为真正的或假。这个属性控制类似的检测是否合并。将此属性设置为真正的使用一个基于均值漂移算法合并边界框。将此属性设置为假输出unmerged边框。

合并的更大的灵活性和控制参数,您可以使用selectStrongestBbox函数的地方MergeDetections算法。为此,设置MergeDetections财产假。看到跟踪行人在开动的汽车里例子,显示了人们探测器的使用selectStrongestBbox函数。

使用感兴趣的区域,指定为真正的或假。将此属性设置为真正的检测对象在输入图像中感兴趣的一个矩形区域。