K-means聚类视觉词典构造的人脸识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 人脸识别的研究背景及意义 | 第10-11页 |
| 1.2 脸识别技术的发展及国内外研究现状 | 第11-14页 |
| 1.2.1 人脸识别技术的发展 | 第11页 |
| 1.2.2 国内外研究现状 | 第11-14页 |
| 1.3 人脸识别技术的关键问题 | 第14-15页 |
| 1.4 人脸数据库介绍 | 第15-16页 |
| 1.4.1 ORL人脸库 | 第15-16页 |
| 1.4.2 YALE人脸库 | 第16页 |
| 1.5 本文主要研究内容 | 第16-18页 |
| 第2章 人脸词袋模型 | 第18-36页 |
| 2.1 词袋模型 | 第18-19页 |
| 2.2 人脸词袋模型基本框架 | 第19-32页 |
| 2.2.1 特征提取与描述 | 第20-29页 |
| 2.2.2 构建视觉词典 | 第29-31页 |
| 2.2.3 分类器的选择 | 第31-32页 |
| 2.3 实验结果与分析 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 优化聚类中心的视觉词典构造方法 | 第36-43页 |
| 3.1 传统的视觉词典构造方法 | 第36-37页 |
| 3.1.1 k-means聚类方法 | 第36-37页 |
| 3.1.2 k-means++聚类方法 | 第37页 |
| 3.2 优化聚类中心的视觉词典的构造方法 | 第37-38页 |
| 3.3 实验结果与分析 | 第38-42页 |
| 3.3.1 ORL人脸库识别率对比实验 | 第39-40页 |
| 3.3.2 YALE人脸库识别率对比实验 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 K近邻人脸识别方法 | 第43-51页 |
| 4.1 支持向量机 | 第43-44页 |
| 4.2 K近邻分类器 | 第44-46页 |
| 4.3 实验结果与分析 | 第46-49页 |
| 4.4 本章小结 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
