trainCascadeObjectDetector

转自：链接

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：

[plain]  view plain  copy

1. close all;   
2. clear all;   
3. clc;   
4.   
5. load('stopSigns.mat');   
6. imDir = fullfile(matlabroot,'toolbox','vision','visiondemos','stopSignImages');   
7. addpath(imDir);   
8.   
9. negativeFolder = fullfile(matlabroot,'toolbox','vision','visiondemos','non_stop_signs');   
10. trainCascadeObjectDetector('stopSignDetector.xml',data,negativeFolder,'FalseAlarmRate',0.2,'NumCascadeStages',5);   
11.   
12. detector = vision.CascadeObjectDetector('stopSignDetector.xml');   
13. img = imread('stopSignTest.jpg');   
14. bbox = step(detector,img);   
15. detectedImg = insertObjectAnnotation(img,'rectangle',bbox,'stop sign');   
16. figure;  
17. imshow(detectedImg);