支持向量机分类在EmguCv中采用了哪种策略？

Question

目前我正在做我的学术项目(社交媒体网站)。我的意图是当用户发布一张图片时，系统应该识别这张脸，并用她的名字给它贴上标签。

作为之前的工作，我创建了5个用户。对于培训图像，当用户设置她的个人资料照片时，系统将使用EmguCv (DetectHaarCascade)检测它，并将图像保存为文件夹中的位图。该面板的标签将是用户的用户Id，标签保存在文件夹中的文本文件中。作为训练图像，我上传并标记了每个用户10张图片。

下一部分是用户发布照片的时候。系统应该识别这张脸，并用她的名字给它贴上标签。我正在使用支持向量机进行识别和分类。

我的检测代码：

    //Face Detection
    MCvAvgComp[][] facesDetected = gray.DetectHaarCascade(
                      haar,
                      1.2,
                      4,
                      HAAR_DETECTION_TYPE.DO_CANNY_PRUNING,
                      new Size(20, 20));
    foreach (MCvAvgComp f in facesDetected[0])
    {
     result = currentFrame.Copy(f.rect).Convert<Gray, byte>().Resize(100, 100, Emgu.CV.CvEnum.INTER.CV_INTER_CUBIC);
     // at the beginning i am added all the existing images to an List<Image<Gray, byte>> trainingImages and labels to List<string> labels 
     trainingImages.Add(result );
     labels.Add(Session["UserId"].ToString())
     File.WriteAllText((Server.MapPath("~/TrainedFaces/TrainedLabels.txt")), trainingImages.ToArray().Length.ToString() + "%");

       for (int i = 1; i < trainingImages.ToArray().Length + 1; i++)
       {
        //saving the trained images and labells
        trainingImages.ToArray()[i - 1].Save(Server.MapPath("~/TrainedFaces/") + "face" + i + ".bmp");
        File.AppendAllText(Server.MapPath("~/TrainedFaces/TrainedLabels.txt"), labels.ToArray()[i - 1] + "%");
       }
   }

我的SVM培训代码：

/*
1. Loaded all the images to trainingImages
2.Loaded all the labels to labels
*/

// Converting My labesl and images to Matrix for preparing training data and training label    

     Matrix<float> TrainindData = new Matrix<float>(trainingImages.Count, 100 * 100);
        int ii = 0;

        foreach (Image<Gray, float> img in trainingImages)
        {
            int jj = 0;
            Matrix<float> Imagemtrx = new Matrix<float>(img.Width, img.Height);
            img.CopyTo(Imagemtrx);
            for (int k = 0; k < Imagemtrx.Rows; k++)
            {
                for (int j = 0; j < Imagemtrx.Cols; j++)
                {
                    TrainindData.Data[ii, jj] = Imagemtrx[k, j];
                    jj++;
                }
            }
            ii++;
        }
        Matrix<float> TrainedLabels = new Matrix<float>(labels.Count, 1);
        int kk = 0;
        foreach (int lab in labels)
        {
            TrainedLabels[kk, 0] = lab;
            kk++;
        }

     SVM model = new SVM();

     SVMParams p = new SVMParams();
        p.KernelType = Emgu.CV.ML.MlEnum.SVM_KERNEL_TYPE.LINEAR;
        //p.SVMType = Emgu.CV.ML.MlEnum.SVM_TYPE.ONE_CLASS;
        p.SVMType = Emgu.CV.ML.MlEnum.SVM_TYPE.C_SVC;
        p.C = 1;
        p.TermCrit = new MCvTermCriteria(100, 0.00001);

        bool trained = model.Train(TrainindData, TrainedLabels, null, null, p);

我的识别和分类代码：

MCvAvgComp[][] faces=grayFrame.DetectHaarCascade(haar,1.2,10,HAAR_DETECTION_TYPE.DO_CANNY_PRUNING,new Size(20, 20));
foreach (MCvAvgComp face in faces[0])
        {
            InputFrame.Draw(face.rect, new Bgr(Color.Red), 1);
            t = t + 1;
            Image<Gray, float> result = InputFrame.Copy(face.rect).Convert<Gray, float>().Resize(100, 100, Emgu.CV.CvEnum.INTER.CV_INTER_CUBIC);
            //result._EqualizeHist();
            Matrix<float> TestImageMatix = new Matrix<float>(result.Width, result.Height);
            result.CopyTo(TestImageMatix);
            Matrix<float> TestData = new Matrix<float>(1, result.Width * result.Height);
            int z = 0;
            for (int k = 0; k < TestImageMatix.Rows; k++)
            {
                for (int j = 0; j < TestImageMatix.Cols; j++)
                {
                    TestData.Data[0, z] = TestImageMatix[k, j];
                    z++;
                }
            }
            //Here I will Get the UserId as class label. I can find name from database using this Id
            float result1 = model.Predict(TestData);

现在的问题是，当我上传一个属于任何现有类的图像时，它将正确地识别和识别这个人。但是当我发布一张不同的照片(社交媒体上没有人的照片)时，它就会被分配到一个现有的类标签上。

我的问题是：

1. 我只想找到合适的人。剩余可以标记为未知或其他什么(我不知道是否需要任何其他方法)
2. 我读过一比一和一比一对抗所有策略的书。哪一个在我的代码中使用？
3. 如果没有人使用，那如何实施呢？
4. Emgu简历已经包含了支持向量机。它用哪种类型的？

Answer 1

我读过一比一和一比一对抗所有策略的书。哪一个在我的代码中使用？如果没有人使用，那么如何实现它们呢？Emgu简历已经包含了支持向量机。它用哪种类型的？

您使用的是One vs All策略，这是在OpenCV中使用n*(n-1)/2 One Vs一个分类器实现的(n是标签的数量)。

我只想找到合适的人。剩余可以标记为未知或其他什么(我不知道是否需要任何其他方法)

您可以构建n*(n-1)/2 One与一个分类器，然后从predict获得原始响应(只适用于2类问题)。大多数响应标识输出类。如果分类类的最大响应低于阈值，则可以说没有正确识别的类。

或者您可以使用n一个类分类器，并再次检查每个类的响应是否低于给定的阈值。