在Matlab下训练级联目标检测器

在Matlab下，vision.CascadeObjectDetector可以用来进行目标检测，Matlab系统中自带了一些已经训练好的分类器用于目标检测，目前比较成熟的检测器有人脸检测，鼻子检测，人眼检测和上半身检测。但是仅仅是这些检测器是不能应用于其它领域的。还好，Matlab提供了trainCascadeObjectDetector函数，可根据自已的需求重新训练一个检测器，用于目标检测。基本的流程如下：



在训练满足自己需求的检测器之前，需要对自己的图像数据进行处理，也就是勾出图片中要检测的目标。这个过程貌似有点麻烦，还好，不用担心，Matlab自带有这样的工具，这个工具就是Training Image Labeler。怎样打开这个工具呢？如下图所示：





然后点击Add Images，便可把图片载入到当前界面，然后用框图勾出你要检测的目标，勾出的框可以多个可以重叠，完成后，直接点击Save Session或Export  ROIs，保存即可。保存的结果是一个结构体，域名field names分别为imageFilename和objectBoundingBoxes，分别保存了图像的存储路径与图像待检测目标的ROI坐标[x y width height]。这一步处理完成后，相当于训练集处理完成，接下来便是用它来训练检测器。

怎样训练检测器呢？前边已经说啦，提到过一个函数，那就是trainCascadeObjectDetector函数，它是Matlab的built-in函数。这个函数有很多输入参数，但我们只需输入三个参数即可，其他的都有默认值。目前，该函数支持Haar，LBP，HOG特征检测器，默认为HOG目标检测器。

trainCascadeObjectDetector(outputXMLFileName, positiveInstances, negativeImages)

其中，outputXMLFileName为训练好的检测器保存文件，是XML文件，positiveInstances为正样本，也就是图片中含有待检测的目标，它也就是前边那一步处理后，Save Session或Export ROIs时保存的结构体，它是一个矩阵文件。negativeImages为负样本，也就是图片中不含有待检测的目标，通常为背景图片。同正样本一样，negativeImages为负样本的存储路径。具体详情请参考

help trainCascadeObjectDetector
下面是Matlab自带的一个训练检测器到检测的示例：

%Example - Training a stop sign detector

% Load the positive samples data from a mat file
% The file names and bounding boxes are contained in an array
% of structures named 'data'. The samples were created using
% trainingImageLabeler app.
load('stopSigns.mat');

% Add the image directory to the MATLAB path
imDir = fullfile(matlabroot, 'toolbox', 'vision', 'visiondata',...
'stopSignImages');
addpath(imDir);

% Specify folder with negative images
negativeFolder = fullfile(matlabroot, 'toolbox', 'vision', ...
'visiondata', 'nonStopSigns');

% Train a cascade object detector called 'stopSignDetector.xml'
% using HOG features.
% NOTE: The command below can take several minutes to run
trainCascadeObjectDetector('stopSignDetector.xml', data, ...
negativeFolder, 'FalseAlarmRate', 0.1, 'NumCascadeStages', 5);

% Use the newly trained classifier to detect a stop sign in an image
detector = vision.CascadeObjectDetector('stopSignDetector.xml');

img = imread('stopSignTest.jpg'); % read the test image

bbox = step(detector, img); % detect a stop sign

% Insert bounding box rectangles and return marked image
detectedImg = insertObjectAnnotation(img, 'rectangle', bbox, 'stop sign');

figure; imshow(detectedImg); % display the detected stop sign

rmpath(imDir); % remove the image directory from the path

实验结果：



参考：

1.
Train a Cascade Object Detector