论文部分内容阅读
针对传统人脸识别方法实时性差的缺点,提出了一种加速鲁棒性特征（SURF,speed up robust features）和词包模型（BOW,bag-of-word）相结合的人脸识别方法.图像经过预处理后,使用SURF算法自动提取图像的关键点和相应的特征描述符,再进一步用BOW方法将其编成视觉单词作为人脸的局部特征.最后,采用K最邻近结点算法进行分类识别.使用了2个数据集验证了提出的方法——标准CMU-PIE（卡内基梅隆大学——姿势、光照、表情人脸数据库）人脸库和采集的数据库,分别达到了97.5%和99.