视频贴标机

用于计算机视觉应用的标签视频

全部展开页面

描述

这个视频贴标机应用程序使您能够标签地面真相数据在一个视频，在一个图像序列，或从一个自定义数据源阅读器。使用该应用程序，你可以:

定义矩形感兴趣区域（ROI）标签、多段线ROI标签、像素ROI标签和场景标签。使用这些标签以交互方式标记地面实况数据。
使用内置检测或跟踪算法来标记您的地面真理数据。
写，导入，并使用您自己的自定义自动化算法自动标签地面真理。看到创建标签的自动化算法．
使用可视化摘要评估标签自动化算法的性能。看到查看地面真理标签摘要．
将标签的地面真理导出为一个地面对象。您可以使用此对象进行系统验证或训练对象检测器或语义分割网络。看到用于目标检测和语义分割的训练数据．

要了解有关此应用的更多信息，请参阅开始使用视频贴标程序．

打开视频标签应用程序

马铃薯^®将来发布:应用程序选项卡，在下面图像处理与计算机视觉，单击应用程序图标。
MATLAB命令提示符:输入videolabeler.．

例子

程序化使用

展开全部

`videolabeler.`

videolabeler.打开应用程序的新会话，使您可以在视频或图像序列中标记地面真实数据。

`videoLabeler (videoFileName)`

videoLabeler (videoFileName)打开应用程序并加载输入视频。视频文件必须具有支持的扩展名万博1manbetxVideoReader．

例子：视频标签机（“vipmen.avi”）

`视频标签机（imageSeqFolder）`

视频标签机（imageSeqFolder）打开应用程序并从输入文件夹加载图像序列。一图像序列是一个类似于视频的有序图像集。

ImageSeq文件夹必须是指定包含图像文件的文件夹的字符串标量或字符向量。所支持的扩展名万博1manbetximformats.并按返回的顺序加载迪尔作用

`Videolabeler（ImageSeqfolder，时间戳）`

Videolabeler（ImageSeqfolder，时间戳）打开应用程序并加载具有相应时间戳的一系列图像。时间戳必须是一个期间与序列中的图像数量相同的矢量。

例如，将一系列图像及其对应的时间戳加载到应用程序中。

imageDir = fullfile (toolboxdir (“愿景”)，'VisionData',“新苏库巴”）;时间戳=秒（1：150）;Videolabeler（Imagedir，时间戳）

`videoLabeler (gtSource)`

videoLabeler (gtSource)打开应用程序并加载数据源和相应的时间戳地下adatasource.对象,gtSource．要为自定义数据源生成此对象，可以指定自定义读取器函数。有关详细信息,请参见使用自定义图像源读写标记．

`videolabeler（会议帧）`

videolabeler（会议帧）打开应用程序并加载已保存的应用程序会话，sessionfile.．这个sessionfile.输入包含路径和文件名sessionfile.指向包含已保存会话的。

`录像机（gTruth）`

录像机（gTruth）打开应用程序并加载地面对象。您无需在加载对象之前添加视频。地面真理对象数据源必须是图像序列，视频或自定义数据源。

限制

内置的自动化算法仅支持矩形ROI标签的自动化。选择内置算法并单击万博1manbetx自动化、场景标签、像素ROI标签、折线ROI标签、子标签和属性不会导入自动化会话。要自动标记这些特性，请创建一个自定义的自动化算法。看到创建标签的自动化算法．
像素ROI标签不支持子标签或属性。万博1manbetx
“标签摘要”窗口不支持子标签或属性万博1manbetx

更多关于

展开全部

ROI标签、子标签和属性

在应用程序的左侧ROI标签窗格包含可以在框架上标记的感兴趣区域（ROI）标签定义。可以直接从此窗格创建标签定义。或者，可以使用LANENDEFINITIONCREATOR.对象，然后将这些标签定义导入应用程序会话。

该应用程序支持R万博1manbetxOI标签、子标签和属性的定义。

为应用程序选择ROI标签和绘图工具

您可以使用标记数据来验证或训练算法，如图像分类器、对象检测器以及语义和实例分割网络。选择标签绘图工具来创建ROI标签时，请考虑应用程序。下图显示了四种不同应用的标签技术。

应用程序	标签类型	例子
图像分类	N / A.	船,飞机
对象检测	线长方形预计的矩形
语义分割	像素标签多边形
实例分割	多边形

ROI标签

一ROI标签是对应于信号帧中的感兴趣区域（ROI）的标签。该表描述了支持的标签类型。万博1manbetx

ROI标签	描述	场景
`长方形`	在对象周围绘制矩形ROI标签(包围框)。	车辆、行人、路标
`预计长方体`	绘制立方体ROI标签(三维包围盒)。
`线`	绘制线性ROI标签以表示线。要绘制多段线ROI，请使用两个或多个点。	车道边界、护栏、路缘石
`像素标签`	为像素分配标签进行语义分割。您可以使用多边形、笔刷或泛填充手工标记像素。有关像素标记的更多信息，请参见标记像素用于语义分割．	车辆、路面、树木、路面
`多边形`	绘制多边形ROI标签。您可以标记同一类的不同实例。有关为实例和语义分割网络绘制多边形ROI标签的更多信息，请参阅使用多边形标记对象	车辆、路面、树木、路面

ROI Sublabels

一ROI Sublabel.是属于父标签的ROI标签。使用ROI Sublabels在标记的地面真实数据中提供关于ROI的更大程度的细节。例如，一个车辆标签可能包含头灯,牌照,轮sublabels。只能为矩形和折线标签创建子标签。有关子标签的详细信息，请参见使用sublabels和属性来标记地面真理数据．

ROI属性

一ROI属性指定有关ROI标签或子标签的附加信息。例如，在驾驶场景中，属性可能包括车辆的类型或颜色。该表描述了支持的属性类型。万博1manbetx

属性类型	样本属性定义	示例默认值
`数值`
`一串`
`必然的`
`列表`

有关属性的详细信息，请参见使用sublabels和属性来标记地面真理数据．

提示

为避免使用新标签重新标记原始真理，请在标记您的地面真理之前组织您要使用的标签方案。

算法

展开全部

您可以使用标签自动算法加快应用程序中的标签速度。要创建自己的标签自动化算法以在应用程序中使用，请参阅创建标签的自动化算法．你也可以通过以下步骤使用其中一个内置算法:

导入要标记的数据，并创建至少一个标记定义。
在应用程序工具条上，单击选择算法并选择一个内置的自动化算法。
点击自动化，然后按照自动化窗口右窗格中的自动化说明操作。

ACF人员探测器

使用聚合通道功能（ACF）检测和标记人员。这个算法是基于peopleDetectorACF作用要使用此算法，必须至少定义一个矩形ROI标签。您不需要绘制任何ROI标签。

要帮助改进算法结果，请首先单击设置．您可以更改这些设置中的任何一个。

算法使用的预染人探测器模型 -inria - 100 x41的使用INRIA人员数据集接受培训模型。这个“caltech-50x21”使用CALTECH行人数据集接受培训的模型。
重叠比率阈值，从0到1，用于检测人 - 当矩形ROI重叠超过此阈值时，算法丢弃了一个ROI。
检测人的分类评分阈值——增加评分，提高算法的预测置信度。分数低于此阈值的矩形将被丢弃。

点跟踪器

使用kade - lucas - tomasi (KLT)算法在短时间内跟踪和标记一个或多个矩形ROI标签。这个算法是基于Vision.PointCracker.系统对象™。要使用此算法，必须定义至少一个矩形ROI标签，但不需要绘制任何ROI标签。

要更改用于获取跟踪初始点的特征检测器，请单击设置．此表显示了特征探测器选项。

特征检测器	描述	等效函数
`最小eIgen价值`	采用最小特征值算法进行角点检测。	`侦探训练`
`哈里斯`	使用Harris-Stephens算法检测角点。	`检测错误特征`
`快速的`	利用加速分段测试（FAST）算法的特征检测角点。	`detectFASTFeatures`
`轻快的`	使用二进制鲁棒不变可伸缩关键点（快速）算法来检测特征。	`detectBRISKFeatures`
`Kaze.`	通过使用非线性扩散构造图像的尺度空间来检测特征，然后从该尺度空间中检测多尺度角点特征（KAZE特征）。	`检察官化`
`冲浪`	使用加速鲁棒特征(SURF)算法检测斑点特征。	`detectSURFFeatures`
`MSER`	通过使用最大稳定的极值区域（MSER）算法来检测区域。	`检测特征`

颞插管

通过在时间范围内插入ROI位置来估计帧之间的矩形ROI。要使用此算法，必须在至少两个帧上绘制矩形ROI：在间隔开头和间隔末尾的一个。插值算法估计并在中间帧中绘制ROI。

考虑一个10帧的视频。第一帧有一个以[5,5]为中心的矩形ROI。第10帧有一个以[25,25]为中心的矩形ROI。在每一帧，该算法将ROI在图像中移动2个像素x- 和2个像素Y-方向。因此，该算法在第二帧中的[7,7]中的ROI在第三帧中[9,9]，等等，在第二帧中最多高达[23,23]。

ACF车辆检测器（需要自动驾驶工具箱)

使用聚合通道特征（ACF）检测和标记车辆。该算法基于车辆（自动驾驶工具箱）作用要使用此算法，必须至少定义一个矩形ROI标签。您不需要绘制任何ROI标签。

要帮助改进算法结果，请首先单击设置．您可以更改这些设置中的任何一个。

算法使用的预先训练的车辆检测器模型“众目睽睽”模型使用车辆前部、后部、左侧和右侧的未包含图像进行训练。这个'前后视图'模型仅使用车辆前后侧面的图像进行训练。
重叠率阈值，从0到1，用于检测车辆-当矩形ROI重叠超过该阈值时，算法丢弃其中一个ROI。
检测车辆的分类分数阈值-增加分数以增加算法的预测可信度。分数低于此阈值的矩形将被丢弃。

您还可以通过导入单眼（自动驾驶工具箱）对象进入MATLAB工作空间。指定车辆的长度和宽度范围，以世界单位为单位，例如米。

车道边界检测器（需要自动驾驶工具箱)

使用估计的鸟瞰投影图像来检测和标记车道边界。要使用此算法，必须定义至少一行ROI标签。您无需绘制任何ROI标签。要检测车道边界，算法遵循以下步骤：

它在图像中的车道边界的位置进行了初步猜测。
它将车道周围的ROI转换为鸟瞰图像，以使车道平行并消除失真。
它使用这个图像分割车道边界。

要帮助改进算法结果，请首先单击设置．您可以更改这些设置中的任何一个。

用于生成鸟瞰图的车道线的位置
围绕着车道的ROI，你可以扩展到包括图像中不仅仅是自我车道的边界
图像中检测到的车道边界的像素宽度

您还可以更改要检测的通道边界数。默认的车道边界数是2.．

另见

应用程序

图片标识|地面真理贴标机（自动驾驶工具箱）|Lidar Labeler.（LIDAR工具箱）

功能

对象训练数据|像素标签训练数据

物体

地面|地下adatasource.|LANENDEFINITIONCREATOR.

话题

在R2018b中引入

视频贴标机

描述

打开视频标签应用程序

例子

相关实例

程序化使用

`videolabeler.`

`videoLabeler (videoFileName)`

`视频标签机（imageSeqFolder）`

`Videolabeler（ImageSeqfolder，时间戳）`

`videoLabeler (gtSource)`

`videolabeler（会议帧）`

`录像机（gTruth）`

限制

更多关于

ROI标签、子标签和属性

提示

算法

ACF人员探测器

点跟踪器

颞插管

ACF车辆检测器（需要自动驾驶工具箱)

车道边界检测器（需要自动驾驶工具箱)

另见

应用程序

功能

物体

话题

计算机视觉工具箱文档

万博1manbetx

与Matlab引入深度学习