基于BoW模型的人脸识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 人脸识别的研究背景和意义 | 第10-11页 |
| 1.1.1 人脸识别问题的定义 | 第10页 |
| 1.1.2 人脸识别的研究意义及典型应用 | 第10-11页 |
| 1.2 人脸识别技术的发展及研究现状 | 第11-12页 |
| 1.3 人脸识别技术中的难点和挑战 | 第12-13页 |
| 1.4 本文的研究内容及结构安排 | 第13-16页 |
| 第2章 人脸识别系统简介 | 第16-28页 |
| 2.1 人脸图像预处理 | 第16-20页 |
| 2.1.1 灰度变换 | 第16-18页 |
| 2.1.2 几何校正 | 第18-19页 |
| 2.1.3 图像滤波 | 第19-20页 |
| 2.2 常用的人脸识别方法 | 第20-26页 |
| 2.2.1 基于面部几何特征的人脸识别方法 | 第20-21页 |
| 2.2.2 基于代数特征的人脸识别方法 | 第21-22页 |
| 2.2.3 基于机器学习的人脸识别方法 | 第22-25页 |
| 2.2.4 基于压缩感知的人脸识别方法 | 第25-26页 |
| 2.3 人脸识别系统的性能指标 | 第26页 |
| 2.4 本章小节 | 第26-28页 |
| 第3章 BAG OF WORDS模型的基本原理 | 第28-44页 |
| 3.1 BAG OF WORDS模型概述 | 第28-29页 |
| 3.2 BAG OF WORDS算法步骤 | 第29-40页 |
| 3.2.1 特征提取与描述 | 第29-34页 |
| 3.2.2 构建视觉词典 | 第34-37页 |
| 3.2.3 训练分类器 | 第37-40页 |
| 3.3 实验结果与分析 | 第40-43页 |
| 3.3.1 数据库介绍 | 第40-42页 |
| 3.3.2 实验结果与分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 改进的视觉词典构造方法 | 第44-54页 |
| 4.1 传统的视觉词典构造方法 | 第44-46页 |
| 4.1.1 k-means聚类方法 | 第44-45页 |
| 4.1.2 k-means聚类算法存在的缺点 | 第45-46页 |
| 4.2 改进的视觉词典构造方法 | 第46-47页 |
| 4.3 时间复杂度分析 | 第47-48页 |
| 4.4 实验结果及其分析 | 第48-53页 |
| 4.4.1 改进的视觉词典构造方法的性能验证 | 第48-52页 |
| 4.4.2 单样本的人脸识别 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于相关向量机的分类识别方法 | 第54-62页 |
| 5.1 算法的提出 | 第54页 |
| 5.2 相关向量机 | 第54-57页 |
| 5.2.1 相关向量机模型 | 第54-57页 |
| 5.2.2 相关向量机分类算法 | 第57页 |
| 5.3 实验结果及其分析 | 第57-59页 |
| 5.4 本章小结 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的文章和取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |
