【发布时间】:2014-06-20 19:56:15
【问题描述】:
我正在使用 libsvm matlab 实现进行人脸识别。我的数据集主要由每个图像的一个行特征向量组成。我的数据库中有两个主题。我需要分类器将与subject1相关的输入样本预测为predicted_label=0,将与subject2相关的输入样本预测为predicted_label=1,并且predicted_label的除0或1以外的任何值都应分类为异常值。但是每次无论输入样本图像如何,我都会得到相同的预测标签。这是我正在使用的代码。我将 GLCM 与 LBP 结合在一个特征向量中,然后使用 zscore matlab 函数对整个数据集进行标准化:
clear all;
close all;
clc;
img=imread('F:\amal2\frame33.jpg');
img=rgb2gray(img);
Training=xlsread('F:\GLCMLBPF.xlsx');
Group=xlsread('F:\GLCMLBPindex.xlsx');
% k=2;
% Class = knnclassify(Sample, Training, Group, k, 'cosine' , 'nearest');
FaceDetect = vision.CascadeObjectDetector;
figure(1),imshow(img);
BB = step(FaceDetect,img);
for i = 1:size(BB,1)
rectangle('Position',BB(i,:),'LineWidth',3,'LineStyle','-','EdgeColor','r');
end
S=[];
for i = 1:size(BB,1)
J= imcrop(img,BB(i,:));
figure(2),imshow(J);
% S(i,:)=H1;
I=double(J);
[eigvector, eigvalue] = PCA(I);
Y = I*eigvector;
mapping=getmapping(8,'u2');
H1=LBPV(J,1,8,mapping);
GLCM2 = graycomatrix(Y,'Offset',[2 0;0 2]);
stats = GLCM_Features1(GLCM2,0);
s1=struct2array(stats);
s2=H1;
S(i,:)=[s1,s2];
end
Sample=[S(:,1),S(:,3),S(:,5),S(:,7),S(:,9),S(:,13),S(:,15),S(:,17),S(:,19),S(:,21),S(:,33),S(:,37),S(:,39),S(:,41),S(:,43),S(:,57),S(:,61),S(:,64)];
TF=isempty(Sample);
if TF~=1
model = svmtrain(Group,Training,'-c 0.3 -g 0.5');
Label=1;
[~, ~, predictions] = svmpredict(Label,Sample,model);
if predictions==0
figure(2),imshow(J);title('Hassan Ameen');
elseif predictions==1
figure(2),imshow(J);title('Amal Ali');
else
figure(2),imshow(J);title('outlier');
end
end
你能告诉我如何使用 libsvm 来实现我的目标吗?
【问题讨论】:
-
问题解决了吗?
标签: matlab class classification libsvm matlab-cvst