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。