Имя модели классификации в виде 'UprightPeople_128x64' или 'UprightPeople_96x48'. Пиксельные размерности указывают на размер изображения, используемый в обучении.

Изображения, используемые, чтобы обучить модели, включают фоновые пиксели вокруг человека. Поэтому фактический размер обнаруженного человека меньше, чем учебный размер изображения.

Люди порог классификации в виде неотрицательного скалярного значения. Используйте этот порог, чтобы управлять классификацией отдельных подобластей изображений во время многошкального обнаружения. Порог управляет, классифицируется ли подобласть как человек. Можно увеличить это значение, когда существует много ложных обнаружений. Чем выше пороговое значение, тем более строгие требования для классификации. Варьируйтесь порог в области значений значений, чтобы найти оптимальное значение для вашего набора данных. Типичные значения лежат в диапазоне от 0 к 4.

Настраиваемый: да

Самая маленькая область, содержащая человека, заданного в пикселях как двухэлементный вектор, [height width]. Установите это свойство на минимальную область размера, содержащую человека. Можно уменьшать время вычисления, когда вы устанавливаете это свойство. Для этого установите это свойство на значение, больше, чем размер изображения раньше обучал модель классификации. То, когда вы не задаете это свойство, детектор устанавливает его на размер изображения, раньше обучало модель классификации.

Настраиваемый: да

Самая большая область, которая содержит человека, заданного в пикселях как двухэлементный вектор, [height width]. Установите это свойство на самую большую область, содержащую человека. Можно уменьшать время вычисления, когда вы устанавливаете это свойство. Для этого установите это свойство на значение, меньшее, чем размер входного изображения. Когда вы не задаете это свойство, детектор устанавливает его на входной размер изображения. Это свойство является настраиваемым.

Многошкальное обнаружение объектов, масштабирующееся в виде значения, больше, чем 1.0001. Масштабный коэффициент инкрементно масштабирует разрешение обнаружения между MinSize и MaxSize. Можно установить масштабный коэффициент на идеальное использование значения:

sizeiразмерi)-0.5)

Объект вычисляет разрешение обнаружения в каждом шаге. В этом случае TrainingSize является [128 64] для 'UprightPeople_128x64' модель и [96 48] для 'UprightPeople_96x48' модель. N является шагом. Уменьшение масштабного коэффициента может увеличить точность обнаружения. Однако выполнение так увеличивает время вычисления. Это свойство является настраиваемым.

Окно Detection шагает в пикселях в виде скаляра или двухэлементного вектора, [x y]. Детектор использует шаг окна, чтобы двигать окно обнаружения через изображение. Когда вы задаете это значение как вектор, первыми и вторыми элементами является размер шага в направлениях y и x. Когда вы задаете это значение как скаляр, шаг является тем же самым и для x и для y. Уменьшение шага окна может увеличить точность обнаружения. Однако выполнение так увеличивает время вычисления. Увеличение окна шагает вне [8 8] может привести к большему количеству пропущенных обнаружений. Это свойство является настраиваемым.

Объедините управление обнаружением в виде true или false. Это свойство управляет, объединены ли подобные обнаружения. Установите это свойство на true объединять ограничительные рамки с помощью основанного на среднем сдвиге алгоритма. Установите это свойство на false выводить необъединенные ограничительные рамки.

Для большей гибкости и управления слияния параметров, можно использовать selectStrongestBbox функция вместо MergeDetections алгоритм. Для этого установите MergeDetections свойство к false. Смотрите Пешеходов Отслеживания из Движущегося Автомобильного примера, который показывает использование детектора людей и selectStrongestBbox функция.

Используйте необходимую область в виде true или false. Установите это свойство на true обнаружить объекты в прямоугольной необходимой области во входном изображении.