configureDetectorMonoCamera
Сконфигурируйте детектор объектов для использования калиброванной монокулярной камеры
Описание
configuredDetector = configureDetectorMonoCamera(detector,sensor,objectSize)
ACF (агрегат образовывают канал функции),
Faster R-CNN (области со сверточными нейронными сетями)
Быстрый R-CNN
YOLO v2 (вы только смотрите однажды v2),
SSD (один детектор выстрела),
обнаружить объекты известного размера на наземной плоскости. Задайте свой обученный детектор объектов, detector, настройка камеры для преобразования изображения координирует к мировым координатам, sensor, и область значений ширин объекта и длин, objectSize.
Примеры
Обнаружьте транспортные средства Используя монокулярную камеру и ACF
Сконфигурируйте детектор объектов ACF для использования с монокулярной камерой, смонтированной на автомобиле, оборудованном датчиком. Используйте этот детектор, чтобы обнаружить транспортные средства в видеокадрах, полученных камерой.
Загрузите acfObjectDetector объект, предварительно обученный обнаружить транспортные средства.
detector = vehicleDetectorACF;
Смоделируйте монокулярный датчик камеры путем создания monoCamera объект. Этот объект содержит внутренние параметры камеры и местоположение камеры на автомобиле, оборудованном датчиком.
focalLength = [309.4362 344.2161]; % [fx fy] principalPoint = [318.9034 257.5352]; % [cx cy] imageSize = [480 640]; % [mrows ncols] height = 2.1798; % height of camera above ground, in meters pitch = 14; % pitch of camera, in degrees intrinsics = cameraIntrinsics(focalLength,principalPoint,imageSize); monCam = monoCamera(intrinsics,height,'Pitch',pitch);
Сконфигурируйте детектор для использования с камерой. Ограничьте ширину обнаруженных объектов к типичной области значений для ширин транспортного средства: 1.5-2.5 метра. Сконфигурированным детектором является acfObjectDetectorMonoCamera объект.
vehicleWidth = [1.5 2.5]; detectorMonoCam = configureDetectorMonoCamera(detector,monCam,vehicleWidth);
Загрузите видео, записанное от камеры, и создайте видео читателя и проигрыватель.
videoFile = fullfile(toolboxdir('driving'),'drivingdata','caltech_washington1.avi'); reader = VideoReader(videoFile); videoPlayer = vision.VideoPlayer('Position',[29 597 643 386]);
Запустите детектор в цикле по видео. Аннотируйте видео ограничительными рамками для обнаружений и оценок достоверности обнаружения.
cont = hasFrame(reader); while cont I = readFrame(reader); % Run the detector. [bboxes,scores] = detect(detectorMonoCam,I); if ~isempty(bboxes) I = insertObjectAnnotation(I, ... 'rectangle',bboxes, ... scores, ... 'Color','g'); end videoPlayer(I) % Exit the loop if the video player figure is closed. cont = hasFrame(reader) && isOpen(videoPlayer); end release(videoPlayer);
Входные параметры
Выходные аргументы
Смотрите также
acfObjectDetectorMonoCamera | fasterRCNNObjectDetectorMonoCamera | fastRCNNObjectDetectorMonoCamera | monoCamera | ssdObjectDetectorMonoCamera | yolov2ObjectDetectorMonoCamera | acfObjectDetector (Computer Vision Toolbox) | fasterRCNNObjectDetector (Computer Vision Toolbox) | fastRCNNObjectDetector (Computer Vision Toolbox)