贴标签机视频

计算机视觉应用中的标签视频

展开所有页面

描述

的贴标签机视频应用程序使您可以在视频中以图像序列或自定义数据源阅读器标记地面真实数据。使用应用程序，您可以：

定义矩形感兴趣区域标签、折线感兴趣区域标签、像素感兴趣区域标签和场景标签。使用这些标签交互式地标签你的地面真相数据。
使用内置检测或跟踪算法标记地面真实数据。
编写，导入和使用自己的自定义自动化算法自动标记地面真相。看创建标签自动化算法．
使用视觉摘要评估标签自动化算法的性能。看查看地面实况标签摘要．
将标记的地面真相导出为事实真相目的。您可以使用此对象进行系统验证或培训对象检测器或语义分段网络。看目标检测和语义分割的训练数据．

要了解更多关于这个应用程序，请看开始使用视频贴标机．

打开视频贴标程序应用程序

MATLAB^®Toolstrip：在应用选项卡,在图像处理与计算机视觉，单击“应用”图标。
matlab命令提示符：输入录像机．

例子

编程使用

全部展开

`录像机`

录像机打开应用程序的新会话，使您能够在视频或图像序列中标记地面实况数据。

`视频标签机（视频文件名）`

视频标签机（视频文件名）打开应用程序并加载输入的视频。支持的扩展名万博1manbetx录像机．

例子：videoLabeler(“vipmen.avi”)

`videoLabeler (imageSeqFolder)`

videoLabeler (imageSeqFolder)打开应用程序并从输入文件夹加载图像序列。一图像序列是一组有序的图像，类似于视频。

imageSeqFolder必须是字符串标量或字符向量，用于指定包含图像文件的文件夹。图像文件必须具有支持的扩展万博1manbetximformats并按照dir函数。

`视频标签机（imageSeqFolder，时间戳）`

视频标签机（imageSeqFolder，时间戳）打开应用程序并加载一系列带有相应时间戳的图像。时间戳必须是A.持续时间与序列中图像数量相同长度的向量。

例如，将一系列图像及其相应的时间戳加载到应用程序中。

imagedir = fullfile（toolboxdir（“愿景”），'VisionData'，“NewTsukuba”); 时间戳=秒（1:150）；视频标签机（imageDir，时间戳）

`Videolabeler（GTSource）`

Videolabeler（GTSource）打开应用程序并从应用程序加载数据源和相应的时间戳地面数据源目的，gtSource。若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，请参阅使用自定义图像源读取器进行标记．

`videolabeler（会议帧）`

videolabeler（会议帧）打开应用程序并加载保存的应用程序会话，无柄这个无柄输入包含路径和文件名。的MAT-file无柄指向包含已保存会话的点。

`videoLabeler (gTruth)`

videoLabeler (gTruth)打开应用程序并加载a事实真相对象加载对象之前，无需添加视频。地面真实对象数据源必须是图像序列、视频或自定义数据源。

限制

内置的自动化算法只支持矩形ROI标签的自动化。万博1manbetx当您选择内置算法时，单击自动化、场景标签、像素ROI标签、多段线ROI标签、子标签和属性不会导入到自动化会话中。若要自动标记这些功能，请创建自定义自动化算法。请参阅创建标签自动化算法．
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

全部展开

ROI标签、子标签和属性

在应用程序的左侧，是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。您可以直接从该窗格创建标签定义。或者，您可以使用labelDefinitionCreator对象，然后将这些标签定义导入应用程序会话。

支持ROI标签、万博1manbetx子标签和属性的定义。

为您的应用选择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、目标探测器以及语义和实例分割网络。在选择标签绘制工具创建ROI标签时，请考虑您的应用程序。下图显示了四种不同应用程序的标记技术。

应用	标签类型	例子
图像分类	不适用	船，飞机
对象检测	行长方形投影矩形
语义细分	像素标签多边形
实例分割	多边形

ROI标签

一个ROI标签是与信号帧中的感兴趣区域（ROI）相对应的标签。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`	围绕对象绘制矩形ROI标签（边界框）。	车辆，行人，道路标志
`预计长方体`	绘制立方体投资回报标签（3-D边界盒）。
`行`	画线性ROI标签来表示直线。要绘制折线ROI，请使用两个或多个点。	车道边界，护栏，路缘
`像素标签`	将标签分配给像素以获取语义分割。您可以使用多边形，刷子或洪水填充手动标记像素。有关像素标签的更多信息，请参阅语义分割标签像素．	车辆，路面，树木，路面
`多边形`	绘制多边形ROI标签。你可以给同一个类的不同实例标上标签。有关绘制多边形ROI标签和语义分割网络的更多信息，请参见使用多边形标记对象	车辆，路面，树木，路面

ROI Sublabels.

一个ROI子标签是属于父标签的ROI标签。使用ROI子标签提供关于标记的地面真实数据中ROI的更详细信息。例如，一个交通工具标签可能包含头灯，licensePlate，和车轮子标签。您只能为矩形和折线标签创建Sublabels。有关Sublabels的更多详细信息，请参阅使用子标签和属性标记地面真实数据．

ROI属性

一个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	示例属性定义	示例默认值
`数值`
`字符串`
`逻辑`
`列表`

有关属性的更多详细信息，请参阅使用子标签和属性标记地面真实数据．

提示

为了避免必须使用新标签重新标记基本事实，请在标记基本事实之前组织要使用的标签方案。

算法

全部展开

你可以使用标签自动化算法来加快应用程序中的标签。要创建自己的标签自动化算法在应用程序中使用，请参见创建标签自动化算法．您还可以按照以下步骤使用其中一个内置算法：

导入要标记的数据，并创建至少一个标签定义。
在App ToolStrip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的右窗格中的自动化说明进行操作。

ACF人员检测器

使用聚合通道功能（ACF）检测和标记人员。该算法基于Peopledetectoracf.函数。要使用此算法，必须定义至少一个矩形ROI标签。您不需要画任何ROI标签。

要帮助改进算法结果，请先单击设置．您可以更改任何这些设置。

该算法使用的预训练人员检测器模型'inria-100x41'使用INRIA人员数据集接受培训模型。的'Caltech-50x21'使用加州理工学院行人数据集对模型进行训练。
重叠率阈值，从0到1，用于检测人员-当矩形ROI重叠超过此阈值时，算法丢弃其中一个ROI。
检测人员的分类得分阈值 - 增加分数以增加算法的预测置信度。分数低于此阈值的矩形将被丢弃。

点跟踪器

通过使用Kanade-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。这个算法是基于视觉点跟踪器System Object™。要使用此算法，必须定义至少一个矩形ROI标签，但您无需绘制任何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. 此表显示了特征检测器选项。

特征探测器	描述	等效函数
`最小特征值`	使用最小特征值算法检测角落。	`检测微小特征`
`哈里斯`	使用Harris-Stephens算法检测角落。	`detectHarrisFeatures`
`快`	利用快速分段测试(FAST)算法的特征进行角点检测。	`检测到空间`
`轻快`	使用二进制鲁棒不变可伸缩关键点（BRISK）算法检测特征。	`检测风险特征`
`卡泽`	利用非线性扩散构造图像的尺度空间来检测特征，然后从该尺度空间检测出多尺度角点特征(KAZE特征)。	`检测特征`
`冲浪`	通过使用加速鲁棒功能（SURF）算法来检测BLOB功能。	`探测拍摄`
`女士`	使用最大稳定极值区域（MSER）算法检测区域。	`detectMSERFeatures`

时间内插器

通过在整个时间范围内插值ROI位置来估计帧之间的矩形ROI。要使用此算法，必须在至少两帧上绘制矩形ROI：一帧在间隔的开始，另一帧在间隔的结束。插值算法估计并绘制中间帧中的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。算法在每一帧中移动ROI的2个像素x-方向和图像中的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车辆探测器(需要自动驾驶的工具箱）

使用聚合通道特征(ACF)检测和标记车辆。这个算法是基于车辆检测器(自动驾驶工具箱)函数。要使用此算法，必须定义至少一个矩形ROI标签。您不需要画任何ROI标签。

要帮助改进算法结果，请先单击设置．您可以更改任何这些设置。

算法使用的预制车辆探测器模型 - 该'全景'模型训练使用未遮挡的图像的前，后，左，和右侧的车辆。的“前后视图”模型使用车辆前部和后侧的图像训练。
车辆检测的重叠率阈值，从0到1—当矩形roi重叠率超过该阈值时，算法将丢弃其中一个roi。
检测车辆的分类评分阈值——增加评分以增加算法的预测置信度。分数低于此阈值的矩形将被丢弃。

您也可以配置检测器与校准的单目摄像机通过导入monoCamera(自动驾驶工具箱)对象进入MATLAB工作区。在世界单位中指定车辆的长度和宽度范围，例如米。

车道边界探测器(需要自动驾驶的工具箱）

使用估计的鸟瞰投影图像检测和标记车道边界。若要使用此算法，您必须定义至少一个线条ROI标签。您不需要绘制任何ROI标签。若要检测车道边界，此算法遵循以下步骤：

它对图像中车道边界的位置进行初步猜测。
它将车道周围的感兴趣区域转换为鸟瞰图，使车道平行，消除失真。
它使用此图像分段通道边界。

要帮助改进算法结果，请先单击设置．您可以更改任何这些设置。

泳道线的放置用于产生鸟瞰图图像
车道周围的ROI，您可以扩展到仅包含图像中的自我车道边界
图像中检测到的车道边界的像素宽度

还可以更改要检测的车道边界数。车道边界的默认数目为2．

另请参阅

主题

介绍了R2018b

贴标签机视频

描述

打开视频贴标程序应用程序

例子

相关的例子

编程使用

`录像机`

`视频标签机（视频文件名）`

`videoLabeler (imageSeqFolder)`

`视频标签机（imageSeqFolder，时间戳）`

`Videolabeler（GTSource）`

`videolabeler（会议帧）`

`videoLabeler (gTruth)`

限制

更多关于

ROI标签、子标签和属性

提示

算法

ACF人员检测器

点跟踪器

时间内插器

ACF车辆探测器(需要自动驾驶的工具箱）

车道边界探测器(需要自动驾驶的工具箱）

另请参阅

应用

功能

对象

主题

计算机视觉工具箱文档

万博1manbetx

MATLABで始めるディープラーニング