ACF分类模型，指定为逗号分隔的配对组成模型'还有'inria-100x41'或“caltech-50x21”．这'inria-100x41'模型是使用inria人数据集进行的培训。这“caltech-50x21”模型使用Caltech行人数据集进行训练。

每个八度的比例级别，指定为逗号分隔的配对组成NumScaleLevels'和整数。每个八度度是图像的两个次要尺寸。增加此号码以以更精细的规模增量检测人员。推荐的值在范围内[4,8]。

用于滑动窗口的窗口步长，指定为逗号分隔对，由'窗玻璃'和整数。将此值设置为您想要移动窗口的数量，在X和y的方向。滑动窗口扫描图像进行目标检测。该函数使用相同的步幅X和y的方向。

选择最强的边界框，指定为逗号分隔的对，包含'选择最初'还有真正的或错误的．这个过程通常被称为非最大抑制，消除了基于分数的重叠边界框。将此属性设置为真正的使用SelectstrontestBbox.函数选择最强的边界框。将此属性设置为错误的，执行自定义选择操作。将此属性设置为错误的返回检测到的边界框。

以像素为单位的最小区域大小，指定为逗号分隔对，由'MinSize'和两个元素矢量[高度宽度]．您可以将此属性设置为50 [21]为“caltech-50x21”模型或41 [100]为'inria-100x41'模型。您可以通过将此值设置为已知的检测人员的最小区域大小来减少计算时间。默认情况下,MinSize设置为可选的最小区域尺寸以检测所选择的分类模型的直立人。

以像素为单位的最大区域大小，指定为逗号分隔对，由'最大限度，和一个二元素向量，[高度宽度]．您可以通过将该值设置为检测人的已知区域大小来减少计算时间。如果您未设置此值，则默认情况下，函数使用大小确定图像的高度和宽度一世．

分类准确阈值，指定为逗号分隔的配对组成阈值'和数值。典型值在[-1,1]范围内。在多尺度对象检测期间，阈值控制人或非人员分类准确度和速度。增加此阈值以加快缺少真实检测的风险的性能。