我正在进行一个基于图像的性别检测项目，使用OpenCV和Python进行编码。

我找到了这篇博客文章和这个OpenCV教程。在这些网站上，他们建议使用Fisherfaces方法和NearestNeighbor算法来构建性别分类模型。

我的问题是：

我在机器学习方面是新手，所以在完成分类部分后，我不知道如何将另一张图像应用到这个分类器上，并像这样获取结果：

"这个人是男性。""这个人是女性。"

如何从分类器中获取如上所示的结果？

回答：

分类器是通过参考数据进行训练的。你为每个类别提供示例（训练）。假设有500张女孩的照片和500张男孩的照片。你告诉分类器每张照片的性别。然后你给分类器一张未知图像，它会使用训练的“知识”来选择一个类别（如果可能的话）。

仔细阅读OpenCV的演示代码。里面包含了你需要的所有内容。

从第100行开始：

Mat testSample = images[images.size() - 1];int testLabel = labels[labels.size() - 1];images.pop_back();labels.pop_back();// 以下几行创建一个用于人脸识别的Fisherfaces模型，并使用从给定CSV文件中读取的图像和标签进行训练。// 如果你只想保留10个Fisherfaces，那么像这样调用工厂方法：////      cv::createFisherFaceRecognizer(10);//// 但是丢弃Fisherfaces是没有用的！请始终尝试使用所有可用的Fisherfaces进行分类。//// 如果你想创建一个带有置信度阈值（例如123.0）且使用所有Fisherfaces的FaceRecognizer，那么像这样调用：////      cv::createFisherFaceRecognizer(0, 123.0);//Ptr<FaceRecognizer> model = createFisherFaceRecognizer();model->train(images, labels);// 以下行预测给定测试图像的标签：int predictedLabel = model->predict(testSample);

在加载图像和标签之前，他们使用CSV文件。然后为了演示目的，他们从向量中取出最后一张图像，将其从向量中移除，并将其用作测试图像。（这样测试图像就不会在训练数据中）。然后他们使用剩余的图像训练Fisher模型，并将其应用到“testSample”图像上。

所以你需要做的就是用你的一张图像替换testSample，并根据找到的标签打印出一句话。