如何利用openCV和人脸特征训练支持向量机（svm）分类器？

我想使用svm分类器进行面部表情检测。我知道opencv有一个SVMAPI，但我不知道应该输入什么来训练分类器。到目前为止，我读了很多论文，都说在人脸特征检测后训练分类器

到目前为止我所做的

人脸检测

每帧计算16个面部点。下面是面部特征检测的输出！[输入图像描述]

保存特征点像素地址的向量

注意：我知道如何仅使用正面和负面图像来训练SVM，我看到了这段代码，但我不知道如何将面部特征信息与之结合

谁能帮我用svm开始分类

a、 训练分类器的样本输入应该是什么

b、 如何使用此面部特征点训练分类器

---

在这方面，

人脸手势识别是一个广泛研究的问题，通过对现有文献的深入研究，可以找到您需要使用的适当特征。一旦您拥有了您认为良好的特征描述符，您就可以继续使用这些特征训练支持向量机。一旦您使用最佳参数训练支持向量机（通过交叉验证发现），您开始在看不见的数据上测试SVM模型，并报告准确性。通常，这就是管道

现在是关于支持向量机的部分：

SVM是一个二元分类器-它可以区分两个类（尽管它也可以扩展到多个类）。OpenCV在ML库中有一个内置模块。SVM类有两个函数开始：

train（…）

和

predict（…）

。要训练分类器，您需要输入大量的样本特征描述符及其类标签（通常为-1和+1）。请记住OpenCV支持的格式：每个训练样本都必须是一个行向量。每行在标签向量中都有一个对应的类标签。因此，如果您有一个长度为

n

的描述符，并且您有

m

这样的样本描述符，那么您的训练矩阵将是

mxn

（

m

行，每个行的长度

n

），标签向量的长度

m

。还有一个

SVMParams

对象，其中包含SVM类型等属性以及必须指定的

C

等参数的值

经过训练后，您可以从图像中提取特征，将其转换为单行格式，然后将其交给

predict（）

，它将告诉您它属于哪一类（+1或-1）

还有一个

train_auto（）

，具有类似的参数和类似的格式，可以为您提供SVM参数的最佳值

还可以检查此项以查看示例

编辑： 假设您有一个返回特征向量的特征描述符，该算法类似于：

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。

opencv中的机器学习算法都有一个类似的接口。要训练它，您需要传递一个NxM Mat属性（N行，每个属性一行，长度为M）和一个带有类标签的Nx1垫。如下所示：

//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，以相同的方式将一行填充到垫子中，它将返回预测的标签

比如说，你的16个面部点存储在一个向量中，你会想：

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 );

Mat trainData；//开始时为空
垫子标签；
对于所有面部_点_向量：
{
对于（size_t i=0；ihey，把脸上的点带回来；）（你使用的是哪个opencv版本？）谢谢你的回答..正如我在问题中提到的，我从理论上知道我需要做什么。我知道在特征提取之后，我必须训练SVM分类器。而且我知道训练之后，我可以使用predict（）预测面部表情。所以我的主要问题是如何使用这些特征点来训练svm分类器？？如果你能给出一些代码片段也会有帮助。再次感谢，但我是否只提供特征？不提供相关图像？那么它将如何关联哪些特征属于哪个图像？不，不提供图像（除非原始图像本身是一个特征，这是很少见的）。你必须从图像中提取特征进行训练，在测试时，你再次提取图像特征。训练和测试的不是图像，而是相应的特征。如何保存训练过的svm“mySvmObject”，我做了SvmObject.save（“abc.xml”）；，这不起作用：'（它是否给了您一些错误消息？它是
mySvmObject.save（…）
.Hi Break谢谢你的回答，但我有一个问题--我如何提供图像和特征点？意思是，假设我有50张正片图像和20张负片图像，每张图像有16个特征点，那么我如何插入哪个图像下的哪些特征的信息？我应该在该图像中向后推u什么案例？-为什么我的“重塑”行中有2个16个？嗯，当我开始在这里输入时，它看起来像是你想要做情绪检测，像快乐/悲伤。现在你编辑了几次，似乎更多，你想要人脸识别/人物识别，这是一双不同的鞋。你能澄清一下吗？哦！！我想做表情识别只检测离子。现在只有高兴和悲伤。啊，好的。注意，与图像没有联系。（它不知道图像，它只知道你的地标点）它最后说的是高兴还是不高兴。好的，我理解，但我不是很清楚。假设image1在（xi，yi）上有特征，image2在（Xi2，yi2）上有特征，那么要做SVM，我们只需要插入（Xi，Yi）和（Xi2，Yi2）？