④ Label: 表示分类模型相应的标签。
⑤ nSV: 表示每类样本支持向量的数目,对应于Label标签。
以上只是返回参数的一部分,本文中未使用到的参数这里就不作介绍了。
(5)预测返回的内容
libsvmpredict函数总共有三个返回值:
① predictedlabel:第一个返回值,表示样本的预测类标号。
② accuracy:第二个返回值,一个3 x 1的矩阵,表示分类的正确率、回归的均方根误差、回归的平方相关系数。
③ decision_values/prob_estimates:第三个返回值,一个包含决策值或概率估计的矩阵。
第三章 人脸图像处理
3。1人脸数据库
使用计算机来估计人脸的年龄需要进行大量的测试工作,那么就需要提供很多测试用测试样本,因此一个人脸数据库是必不可少的,而且数据库里需要尽可能的包含一个人不同年龄阶段的图像,最好能包含从幼年时期一直到老年时期的人脸图像。
随着人们对人脸年龄估计的研究越来越多,目前国外已经有很多公开的人脸数据库,虽然这些人脸数据库还不够完善,但对我们的研究已经有了很大的帮助。当前人们使用的数据库主要有FG-NET和MOPRH,另外还有一些不公开的数据库。
本文中主要采用的是FG-NET人脸数据库。这是一个公开的数据库,数据库里总共有82个人的1002张人脸图像,且都是白种人,图像大部分为扫描图像。年龄范围是0-69岁,每个人平均有12幅图像。图像包括灰度图和彩色图,并且带有背景,光照,姿态和表情的变化。每一张都手动标记了68个脸部特征点。
其年龄段分布见表3-1:
表3-1 FG-NET人脸数据库年龄段分布
年龄段(岁) 0-9 10-19 20-29 30-39 40-49 50-59 60-69 总计
样本数(个) 371 339 144 79 46 15 8 1002
3。2图像预处理
本系统的人脸图像获取既能通过摄像头获取,也能通过本地图像库获取。在图像获取之后,主要的工作集中在图像的预处理上。预处理结果的好坏对后期特征提取和人脸分类具有较大的影响。本系统中主要进行的是图像归一化。其目的是取得大小一致,灰度取值范围相同的标准化人脸图像,使不同成像条件下拍摄的图像具有一致性。文献综述
3。2。1 人脸图像灰度归一化
如今的摄像头拍摄的图片都是彩色图像,在彩色图像中,每一个像素的颜色都是由当前像素上的红绿蓝即RGB的灰度值的组合决定的。而灰度图只保存图像的亮度信息,不保存颜色信息。彩色图像受设备和光照的影响较大,而对灰度图影响较小,因此,转化为灰度图是必须要做的工作。
灰度转换的公式为:
(3-1)
其中,为得到的灰度图,分别对应红绿蓝的颜色分量。
在本文中,只要先判断是否为彩色图,再调用rgb2gray()函数,即可完成灰度图的转换。
3。2。2 人脸图像尺寸归一化
尺度归一化,即将所有人脸图像统一为指定的尺寸大小。这对特征提取有着很大的帮助,图片太大会增加计算量,导致特征提取的效率降低;图片太小则会丢失图像上的一些细节,导致信息丢失,达不到特征提取的效果。因此,本文中采用的人脸库中的图像大小一致,且都保留了相对完整的人脸图像信息。 MATLAB人脸年龄估计系统的设计(5):http://www.youerw.com/zidonghua/lunwen_125937.html