如何用带有面部特征的openCV训练支持向量机(svm)分类器？

概述我想使用svm分类器进行面部表情检测.我知道opencv有一个svm api,但我不知道应该是什么输入来训练分类器.到目前为止,我已经读了很多论文,他们都在面部特征检测训练分类器之后说. 到目前为止我做了什么, >面部检测, >每帧16个面部点计算.以下是面部特征检测的输出！[输入图像说明 >保存特征点的像素地址的向量 注意：我知道如何才能用正面和负面的图像训练SVM,我看到这个codehere, 我想使用svm分类器进行面部表情检测.我知道opencv有一个svm API,但我不知道应该是什么输入来训练分类器.到目前为止,我已经读了很多论文,他们都在面部特征检测训练分类器之后说.

到目前为止我做了什么,

>面部检测,
>每帧16个面部点计算.以下是面部特征检测的输出！[输入图像说明
>保存特征点的像素地址的向量

注意：我知道如何才能用正面和负面的图像训练SVM,我看到这个codehere,但是我不知道我如何将面部特征信息与它结合在一起.

任何人都可以帮助我用svm开始分类.

一个.什么样的样品输入来训练分类器？

湾如何用这个面部特征点训练分类器？

问候,

解决方法 opencv中的机器学习algos都有类似的界面.训练它,你传递一个NxM Mat自定义(N行,每个特征一行,长度为M)和一个Nx1垫与类标签.喜欢这个：

//traindata      //trainlabelsf e a t u r e    1 f e a t u r e    -1f e a t u r e    1f e a t u r e    1f e a t u r e    -1

为了预测,您以相同的方式填充1行的Mat,并返回预测的标签

所以,假设你的16个面部点存储在一个向量中,你会喜欢：

Mat trainData; // start emptyMat labels;for all facial_point_vecs:{    for( size_t i=0; i<16; i++ )    {        trainData.push_back(point[i]);    }    labels.push_back(label); // 1 or -1}// Now here comes the magic:// reshape it,so it has N rows,each being a flat float,x,y,y... 32 element arraytrainData = trainData.reshape(1,16*2); // numpoints*2 for x,y// we have to convert to float:trainData.convertTo(trainData,CV_32F);SVM svm; // params omitted for simplicity (but that's where the *real* work starts..)svm.train( trainData,labels );//later predict:vector<Point> points;Mat testData = Mat(points).reshape(1,32); // flattened to 1 rowtestData.convertTo(testData,CV_32F);float p = svm.predict( testData );

总结

以上是内存溢出为你收集整理的如何用带有面部特征的openCV训练支持向量机(svm)分类器？全部内容，希望文章能够帮你解决如何用带有面部特征的openCV训练支持向量机(svm)分类器？所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。