Matlab基于Viola-Jones算法的人脸检测(2)

VJ算法的目的是检测人脸，但是其思想同样可以用于检测其他物体，只需进行训练即可。
VJ算法在Matlab里面实现的时候，已经训练好了正脸、侧脸、上半身、眼睛、嘴、鼻子，这些都是可以直接检测，不需训练，直接调用CascadeObjectDetector函数即可

      % Example 1:  Face detection
      % ----------------------------        
      faceDetector = vision.CascadeObjectDetector; % Default: finds faces 

      I = imread('visionteam.jpg');
      bboxes = step(faceDetector, I); % Detect faces

      % Annotate detected faces
      IFaces = insertObjectAnnotation(I, 'rectangle', bboxes, 'Face');   
      figure, imshow(IFaces), title('Detected faces'); 

      % Example 2: Upper body detection
      % --------------------------------------       
      bodyDetector = vision.CascadeObjectDetector('UpperBody');    
      bodyDetector.MinSize = [60 60];
      bodyDetector.MergeThreshold = 10;

      I2 = imread('visionteam.jpg');
      bboxBody = step(bodyDetector, I2); % Detect upper bodies

      % Annotate detected upper bodies   
      IBody = insertObjectAnnotation(I2, 'rectangle', ...
                                     bboxBody, 'Upper Body');
      figure, imshow(IBody), title('Detected upper bodies');

这是Matlab里面的两个例子

下面说一下训练的过程，Matlab里面也提供给了用户自己进行训练的函数trainingImageLabeler，调用这个函数会打开一个app，如下：

新建Session之后，Add Images，然后就可以标记ROI，如下：

然后保存Session，还有重要的一步是Export ROIs，将ROIs导出，然后会提示你保存变量名，写好变量名之后ok，命令行会出现下面的文字

工作区里会出现你命名的变量

下面就是训练

positiveInstances=evalin('base','positiveInstances');
% Add the image directory to the MATLAB path
imDir = fullfile('train\positive');
addpath(imDir);
% Specify folder with negative images
negativeFolder = fullfile('train\negative');
% Train a cascade object detector called 'stopSignDetector.xml'
% using HOG features.
% NOTE: The command below can take several minutes to run
trainCascadeObjectDetector('new.xml',positiveInstances,...
    negativeFolder, 'FalseAlarmRate', 0.1, 'NumCascadeStages', 5);

我这段代码是写在函数里的，所以要先用evalin函数将工作区里的变量导进来，然后添加正样本和负样本的路径，最后调用trainCascadeObjectDetector进行训练，这个函数的参数可以设置很多，具体参数可以看函数内部代码。函数默认采用HOG特征，可以选择Haar和LBP特征。选择Haar特征时训练的时间可能会很长，占用的资源比较大。

有了训练好的xml文件之后就可以直接调用CascadeObjectDetector函数来检测

detector = vision.CascadeObjectDetector('new.xml');

% detector.MinSize = [60 90];
% detector.MaxSize = [50 80];
detector.MergeThreshold =10;

img = imread(pathfile); % read the test image

bbox = step(detector, img); 
% Insert bounding box rectangles and return marked image
detectedImg = insertObjectAnnotation(img, 'rectangle', bbox,'Result');
imshow(detectedImg);

以上就是Viola-Jones算法在Matlab里面的实现
参考资料：
http://cn.mathworks.com/help/vision/ref/vision.cascadeobjectdetector-class.html#bs_hhwg-4

http://cn.mathworks.com/help/vision/ug/train-a-cascade-object-detector.html

http://cn.mathworks.com/help/vision/ug/label-images-for-classification-model-training.html