前言

对前面的东西更新了一下。地方包括：
1、GUI的更新，更友好的用户界面
2、支持用手直接画车辆区域，并且识别出来
3、将proposal、detect、fine-grained classification三个步骤分离
4、在传入Classification Net的时候，不再循环传入分类，而是将检测出的proposal一起截取形成一个image4d，共同传入alexnet。此举是为了加速。

Github

https://github.com/ChenJoya/Vehicle_Detection_Recognition

效果

直接看看吧！
1、四个步骤：
载入图像：

区域推荐：（只显示了一部分）

区域精细化：

分类：

2、可以直接截取车辆区域：

3、视频中的检测与识别：

4、支持自己载入模型：

程序设计

采用CarProphet类进行接口设计，供GUI中不同的回调函数调用。

声明

global Predictor;
Predictor=CarProphet(\'Model/cifar10NetRCNN.mat\',\'Model/AlexNet_New.mat\',\'Model/cars_meta.mat\');

采用全局变量的形式，让GUI能够调用其中的成员变量和函数。

三个关键函数：

 function [Proposal,Scores]=selective_search(Predictor)
            [Proposal,Scores]=Predictor.RCNNModel.cifar10NetRCNN.RegionProposalFcn(Predictor.Mat);
        end


        function RealRegion=rcnn_forward(Predictor)
           [bboxes, scores, ~]= Predictor.RCNNModel.cifar10NetRCNN.detect(Predictor.Mat);
           CarScores=scores(:,1);
           HighProbROI_Index=find(CarScores>Predictor.Threshold);
           RealRegion=bboxes(HighProbROI_Index,:);
        end


        function [rois,classes]=classify(Predictor)
            size_=size(Predictor.RealRegion);
            length_=size_(1);
            img_batch4d=zeros(227,227,3,length_);
            for i=1:length_
              crop_roi=Predictor.RealRegion(i,:);
              img_single=imcrop(Predictor.Mat,crop_roi);
              img_single=imresize(img_single,[227 227]);
              img_batch4d(:,:,:,i)=img_single; % Constructing 4d-array images
            end
              if(~isempty(img_batch4d))
                  label_nums=Predictor.ClassifyModel.AlexNet_New.classify(img_batch4d);
                  %draw labels in picture
                  classes=Predictor.class_array.class_names(label_nums);
                  rois=Predictor.RealRegion;
              end
        end

用于显示的：

core_func文件夹下：

        function DrawMat=draw(DrawMat,HighScoreProposals)
            %draw box
            size_=size(HighScoreProposals);
            length_=size_(1);
            for i=1:length_
                     SingleBox_=HighScoreProposals(i,:);
                     DrawMat=insertObjectAnnotation(DrawMat, \'rectangle\', SingleBox_, \'\',\'LineWidth\',1);
            end
        end
 function DrawMat=draw_roi_class(DrawMat,rois,classes)
            %draw box
            size_=size(rois);
            length_=size_(1);
            for i=1:length_
                     SingleBox_=rois(i,:);
                     DrawMat=insertObjectAnnotation(DrawMat, \'rectangle\', SingleBox_, classes{i},\'LineWidth\',1);
            end
        end

       function HighScoreProposals=get_highscore_proposals(Proposals,Scores)
%score 归一化
 score_0_1_=mapminmax(Scores\',0,1);

 %选择阈值
 score_more_index=find(score_0_1_>0.5);

 %得到得分高的proposals
 HighScoreProposals=Proposals(score_more_index,:);
end 

直接在https://github.com/ChenJoya/Vehicle_Detection_Recognitionx下载吧！

注意：模型没有重新训练。有时间我再训练新的：）