Matlab-vision包学习-Object Detection and Recognition-物体识别方法中级联分类器训练

这一篇将介绍级联分类器训练的matlab函数

函数/Functions

函数名称：trainCascadeObjectDetector

功能：训练级联分类器

语法：trainCascadeObjectDetector(outputXMLFilename,positiveInstance,negativeImage);

            trainCascadeObjectDetector(outputXMLFilename,'resume'); 

            trainCascadeObjectDetector(_,Name,Value); 

其中，outputXMLFilename为训练获得的级联识别器XML文件名称，该文件名称必须以.xml作为格式扩展名；positiveInstance为正例，NegativeImages为包含“背景图像”的路径或包含图像文件名的cell数组，Name为用一对单引号包含的字符串，Value为对应Name的值。

Name&Value参数

Name	Value
'ObjectTrainingSize'	默认值为’Auto'，或者取值为[height,width]，表示训练样本所用正例图像的大小
‘NegativeSamplesFactor'	默认值为2，范围为正实数，取用确定用于每一级识别器所用的反例的数目，计算方式如下： NegativeSamplesFactor * [每一级识别器训练所用的正例的个数]
‘NumCascadeStages'	默认值为20，取值为正整数，取值与FalseAlarmRate和TruePositiveRate相关，当取值较大时，出现过拟合问题，即虚警率较高
’FalseAlarmRate'	默认值为0.5，范围为(0,1]，表示反例识别为正例的虚警率
‘TruePositiveRate'	默认值为0.995，范围为(0,1]，表示正例识别为正例的比例
’FeatureType'	默认值为‘HOG'，表示梯度方向直方图特征；’Haar'表示Harr-like特征；‘LBP'表示Local Binary Patterns

举例：

close all; 
clear all; 
clc; 

load('stopSigns.mat'); 
imDir = fullfile(matlabroot,'toolbox','vision','visiondemos','stopSignImages'); 
addpath(imDir); 

negativeFolder = fullfile(matlabroot,'toolbox','vision','visiondemos','non_stop_signs'); 
trainCascadeObjectDetector('stopSignDetector.xml',data,negativeFolder,'FalseAlarmRate',0.2,'NumCascadeStages',5); 

detector = vision.CascadeObjectDetector('stopSignDetector.xml'); 
img = imread('stopSignTest.jpg'); 
bbox = step(detector,img); 
detectedImg = insertObjectAnnotation(img,'rectangle',bbox,'stop sign'); 
figure;
imshow(detectedImg);