SVM是一种常用的机器学习算法，在人工智能、模式辨认、图画辨认等范畴有着十分广泛的运用，本节将结合FastCV库供给的fcvSVMPredict2Classf32机器学习函数API，对SVM原理及用法进行介绍，为后续咱们在运用FastCV进行图画辨认类的运用开发供给参阅。
一、FastCV简介
FastCV是Qualcomm公司开发供给的专心于移动渠道的核算机视觉库（Computer vision library），该库针对ARM渠道进行规划，而且针对Qualcomm处理器进行了优化，相对于OpenCV和JavaCv其功用有了大幅度的进步，十分合适移动设备各种图画处理，如三维重建、方针盯梢、人脸辨认等。
FastCV供给的API结构如下图1所示，根据其供给的功用分类首要包含数学/适量运算、图画处理、图画改换、特征检测、目标检测、三维重建、颜色转化、聚类和查找、运动和目标盯梢、形状和绘图、内存办理和SVM机器学习13个部分，经过fastcv供给的这些API接口你能够便利的完结各种图画处理运用的规划。极大的简化的规划进程，进步程序的稳定性和可靠性。后续将针对fastcv供给的SVM机器学习进行详细介绍。
图1 fastCV功用结构
二、SVM机器学习根本原理
支撑向量机，因其英文名为support vector machine，故一般简称SVM，浅显来讲，它是一种二类分类模型，其根本模型界说为特征空间上的距离最大的线性分类器，其学习战略便是距离最大化，终究可转化为一个凸二次规划问题的求解。详细的SVM的原理是十分艰深的，其涉及到的数学理论十分多，而且一般还需求涉及到多维空间，从存粹的数学理论很难了解SVM的根本原理，而且介绍SVM的数学原理的内容也十分多（如http://www.dataguru.cn/thread-371987-1-1.html就对SVM的原理进行了详细介绍），这儿将经过一个经典的SVM分类比如来向咱们介绍SVM的根本原理。
假定现在你是一个农场主，圈养了一批羊群，但为防备狼群突击羊群，你需求树立一个篱笆来把羊群围起来。可是篱笆应该建在哪里呢？你很可能需求根据牛群和狼群的方位树立一个“分类器”，比较下图这几种不同的分类器，咱们能够看到SVM完结了一个很完美的解决方案，如下图2所示，这便是景点的SVM分类原理。
图2 农场主树立篱笆SVM经典比如示意图
三、fastCV中SVM接口参数解析
在fastCV中供给了SVM办法调用API接口，经过调用该接口能够便利的完成SVM学习功用，起API函数原型如下：
FASTCV_API fcvStatus fcvSVMPredict2Classf32（ fcvSVMKernelType kernelType，
uint32_tdegree，
float32_tgamma，
float32_tcoef0，
const float32_t *__restrictsv，
uint32_tsvLen，
uint32_tsvNum，
uint32_tsvStride，
const float32_t *__restrictsvCoef，
float32_trho，
const float32_t *__restrictvec，
uint32_tvecNum，
uint32_tvecStride，
float32_t *__restrictconfidence
）
该函数回来经过SVM学习战略核算得到的当时样本的置信度，其核算公式如下（一起该值还能够经过libSVM和OpenCV供给的SVM练习得到）：
confidence（i） = sum_j（ svCoef［j］ * Kernel（vec_i， sv_j） – rho;
为了学会调用该函数，就需求了解上述函数的各个参数的含义及详细的设置办法，以下是上述参数的含义和设置办法总结：
kernelType：核函数类型这儿能够挑选 ‘FASTCV_SVM_LINEAR’，‘FASTCV_SVM_POLY’，‘FASTCV_SVM_RBF’，‘FASTCV_SVM_SIGMOID’等；
degree： 设置核函数的深度，为整数，一般设置为3；
gamma：核函数中的gamma函数设置（针对多项式/rbf/sigmoid核函数）（默许1/ k）；
coef0：核函数中的coef0设置（针对多项式/sigmoid核函数）（（默许0）；
sv ：支撑特征向量；
svLen： 特征长度， （support vector length = feature length）。
svNum： 支撑特征向量个数
svStride：支撑向量跨度 ；
svCoef： sv系数，长度设置为sv个数 ；
rho SVM 偏置参数；
vec 检测向量；
vecNum 检测向量个数；
vecStride 监测向量跨度；
以上便是fastCV中供给的SVM接口介绍，在后续章节将进一步结合图画处理，来带咱们用SVM来完成相关的分类和图片辨认，咱们假如想进一步了解更多的关于fastcv库的内容能够拜访Qualcomm的https://developer.qualcomm.com/docs/fastcv/api/index.html网站查阅更多信息。
