如何使用带有面部特征的 openCV 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 svm api，但我不知道训练分类器的输入应该是什么。到目前为止我读了很多论文，他们都说在面部特征检测之后训练分类器。

到目前为止我所做的，

1. 人脸检测，
2. 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
3. A vector which holds the features points pixel address

注意：我知道如何仅使用正图像和负图像训练 SVM，我看到了这段代码here https://github.com/MasteringOpenCV/code/blob/master/Chapter5_NumberPlateRecognition/trainSVM.cpp，但是我不知道如何将面部特征信息与它结合起来。

任何人都可以帮我开始用 svm 进行分类吗？

A。训练分类器的样本输入应该是什么？

b.如何用这个面部特征点训练分类器？

Regards,

opencv 中的机器学习算法都具有类似的界面。为了训练它，你需要传递一个 NxM 特征矩阵（N 行，每个特征一行，长度为 M）和一个带有类标签的 Nx1 矩阵。像这样：

//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，您以相同的方式填充 1 行 Mat，它将返回预测的标签

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 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 );