首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何用openCV训练具有人脸特征的支持向量机(Svm)分类器?

问如何用openCV训练具有人脸特征的支持向量机(Svm)分类器?
EN

Stack Overflow用户
提问于 2014-09-26 08:57:35
回答 2查看 10.4K关注 0票数 9

我想使用svm分类器进行面部表情检测。我知道opencv有一个svm,但我不知道应该输入什么来训练分类器。到目前为止,我已经读了很多论文,都是说人脸特征检测训练后的分类器。

到目前为止我所做的,

  1. 人脸检测,
  2. 在每帧中计算16个面部点。下面是面部特征检测的输出!(输入图像描述)
  3. 保存特征点像素地址的向量。

​

注意:我知道如何训练支持向量机,只有正面和负面的图像,我看到了这个代码这里,但我不知道我如何结合面部特征信息与它。

有人能帮我从svm开始分类吗?

训练分类器的样本输入应该是什么?

如何用这个面部特征点训练分类器?

致以敬意,

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2014-09-29 06:28:42

opencv中的机器学习算法都具有类似的界面。为了训练它,您传递一个NxM Mat属性(N行,每个特性有一行长度M)和一个带有类标签的Nx1 Mat。就像这样:

代码语言:javascript
复制
//traindata      //trainlabels

f e a t u r e    1 
f e a t u r e    -1
f e a t u r e    1
f e a t u r e    1
f e a t u r e    -1

对于预测,使用相同的方式填充1行Mat,它将返回预测的标签

所以,比方说,你的16个面部点被存储在一个向量中,你可以这样做:

代码语言:javascript
复制
Mat trainData; // start empty
Mat 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,x,y,x,y,x,y... 32 element array
trainData = 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 row
testData.convertTo(testData ,CV_32F);
float p = svm.predict( testData );
票数 15
EN

Stack Overflow用户

发布于 2014-09-29 06:11:56

人脸手势识别是一个被广泛研究的问题,通过对现有文献的深入研究,可以找到你需要使用的适当特征。一旦你有了你认为是好的特征描述符,你就会继续用这些来训练支持向量机。一旦你用最优参数训练了支持向量机(通过交叉验证发现),你就开始对未知数据测试支持向量机模型,并报告准确性。总的来说,这就是输油管道。

现在是关于支持向量机的部分:

SVM是一种二进制分类器--它可以区分两类(尽管它也可以扩展到多个类)。OpenCV在ML库中有一个内置的支持向量机模块。支持向量机类首先具有两个函数:train(..)和predict(..)。为了训练分类器,您需要输入大量的样本特征描述符,以及它们的类标签(通常是-1和+1)。记住OpenCV支持的格式:每个训练样本都必须是一个行向量。每一行将在标签向量中有一个对应的类标签。因此,如果您有一个长度n的描述符,并且您有这样的示例描述符,那么您的训练矩阵将是m x n (m行,每个长度n),标签向量的长度为m。还有一个SVMParams对象,它包含类似于支持向量机类型的属性和您必须指定的参数(如C )的值。

一旦经过训练,就可以从图像中提取特性,将其转换为单一行格式,并提供给predict(),它将告诉您它属于哪个类(+1或-1)。

还有一个具有相似参数的train_auto(),该参数具有类似的格式,给出了支持向量机参数的最佳值。

还可以检查这个详细答复以查看一个示例。

编辑:假设您有一个返回特征向量的特征描述符,则算法如下所示:

代码语言:javascript
复制
Mat trainingMat, labelsMat;
for each image in training database:
  feature = extractFeatures( image[i] );
  Mat feature_row = alignAsRow( feature );
  trainingMat.push_back( feature_row );
  labelsMat.push_back( -1 or 1 );  //depending upon class.
mySvmObject.train( trainingMat, labelsMat, Mat(), Mat(), mySvmParams );

我不认为extractFeatures()和alignAsRow()是现有的函数,您可能需要自己编写它们。

票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/26055749

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档