Video Labeler

Маркируйте видео для приложений компьютерного зрения

Описание

Приложение Video Labeler позволяет вам маркировать наземные данные об истине в видео в последовательности изображений, или от пользовательского читателя источника данных. Используя приложение, вы можете:

Задайте прямоугольные метки видимых областей (ROI), метки ROI ломаной линии, пиксельные метки ROI и метки сцены, и используйте эти метки, чтобы в интерактивном режиме маркировать ваши наземные данные об истине.
Используйте встроенные алгоритмы обнаружения или отслеживания, чтобы маркировать ваши наземные данные об истине.
Запишите, импортируйте и используйте свой собственный алгоритм автоматизации, чтобы автоматически маркировать наземную истину. Смотрите Создают Алгоритм Автоматизации для Маркировки.
Оцените производительность своих алгоритмов автоматизации метки с помощью визуальных сводных данных. Сводные данные Вида на море Заземляющих Меток Истины.
Экспортируйте маркированную наземную истину как объект groundTruth. Можно использовать этот объект для системной верификации или для обучения объектный детектор или семантическая сеть сегментации. Смотрите Детектор Объекта Train или Семантическую Сеть Сегментации от Наземных Данных об Истине.

Чтобы узнать больше об этом приложении, см. Запуск с Video Labeler.

Откройте приложение Video Labeler

MATLAB^® Toolstrip: На вкладке Apps, под Image Processing and Computer Vision, кликают по значку приложения.
Подсказка команды MATLAB: Введите videoLabeler.

Примеры

Связанные примеры

Запуск с Video Labeler

Программируемое использование

развернуть все

`videoLabeler`

videoLabeler открывает новый сеанс приложения, позволяя вам маркировать наземные данные об истине в видео или последовательности изображений.

`videoLabeler(videoFileName)`

videoLabeler(videoFileName) открывает приложение и загружает входное видео. Видеофайлу должен был поддержать расширение VideoReader.

Пример: videoLabeler('vipmen.avi')

`videoLabeler(imageSeqFolder)`

videoLabeler(imageSeqFolder) открывает приложение и загружает последовательность изображений от входной папки. image sequence является упорядоченным множеством изображений, которые напоминают видео. Изображения должны быть одного размера. imageSeqFolder должен быть скаляром строки или вектором символов, который задает папку, содержащую файлы изображений. Файлам изображений должен был поддержать расширения imformats и загружаются в порядке, возвращенном функцией dir.

Чтобы маркировать набор неупорядоченных изображений, которые могут отличаться по размеру, используйте приложение Image Labeler вместо этого.

`videoLabeler(imageSeqFolder,timestamps)`

videoLabeler(imageSeqFolder,timestamps) открывает приложение и загружает последовательность изображений с их соответствующими метками времени. timestamps должен быть вектором duration той же длины как количество изображений в последовательности.

Например, загрузите последовательность изображений и их соответствующих меток времени в приложение.

imageDir = fullfile(toolboxdir('vision'),'visiondata','NewTsukuba');
timeStamps = seconds(1:150);
videoLabeler(imageDir,timeStamps)

`videoLabeler(gtSource)`

videoLabeler(gtSource) открывает приложение и загружает источник данных и соответствующие метки времени от объекта groundTruthDataSource, gtSource. Чтобы сгенерировать этот объект для пользовательского источника данных, можно задать пользовательскую функцию читателя. Для получения дополнительной информации смотрите Использование Пользовательский Читатель Источника данных для Разметки достоверных данных.

`videoLabeler(sessionFile)`

videoLabeler(sessionFile) открывает приложение и загружает сохраненный сеанс приложения, sessionFile. Вход sessionFile содержит путь и имя файла. MAT-файл, на который указывает sessionFile, содержит сохраненный сеанс.

Ограничения

Встроенные алгоритмы автоматизации поддерживают автоматизацию прямоугольных меток ROI только. Когда вы выбираете встроенный алгоритм и нажимаете Automate, метки сцены, пиксельные метки ROI, метки ROI ломаной линии, подметки, и атрибуты не импортируются в сеанс автоматизации. Чтобы автоматизировать маркировку этих функций, создайте пользовательский алгоритм автоматизации. Смотрите Создают Алгоритм Автоматизации для Маркировки.
Пиксельные метки ROI не поддерживают подметки или атрибуты.
Окно Label Summary не поддерживает подметки или атрибуты

Советы

Чтобы избежать необходимости повторно маркировать наземную истину новыми метками, организуйте схему маркировки, которую вы хотите использовать прежде, чем отметить вашу наземную истину.

Алгоритмы

Приложение Video Labeler предоставляет встроенные алгоритмы, которые можно использовать, чтобы автоматизировать маркировку. От панели инструментов приложения нажмите Select Algorithm, и затем выберите алгоритм автоматизации.

Встроенный алгоритм автоматизации	Описание
ACF People Detector	Обнаружьте и маркируйте людей, использующих предварительно обученный детектор на основе совокупных функций канала (ACF). С этим алгоритмом вы не должны чертить метки ROI.
Point Tracker	Отследите и маркируйте одну или несколько прямоугольных меток ROI на коротких интервалах с помощью алгоритма Kanade-Lucas-Tomasi (KLT).
Temporal Interpolator	Оцените КОРОЛЕЙ в промежуточных кадрах с помощью интерполяции прямоугольных КОРОЛЕЙ в ключевых кадрах. Чертите КОРОЛЕЙ на минимуме двух кадров (вначале и в конце интервала). Алгоритм интерполяции оценивает КОРОЛЕЙ между кадрами.
ACF Vehicle Detector (требует Automated Driving Toolbox™),	Обнаружьте и маркируйте автомобили с помощью предварительно обученного детектора на основе ACF. С этим алгоритмом вы не должны чертить метки ROI.

Документация

Video Labeler

Описание

Откройте приложение Video Labeler

Примеры

Связанные примеры

Программируемое использование

`videoLabeler`

`videoLabeler(videoFileName)`

`videoLabeler(imageSeqFolder)`

`videoLabeler(imageSeqFolder,timestamps)`

`videoLabeler(gtSource)`

`videoLabeler(sessionFile)`

Ограничения

Советы

Алгоритмы

Смотрите также

Приложения

Функции

Объекты

Темы

Введенный в R2018b

Документация Computer Vision Toolbox

Поддержка