1)eigenface特征脸
1.Face recognition system based on eigenface algorithm;基于特征脸的人脸识别系统
2.Wavelet weighted eigenface;基于小波变换的加权特征脸识别算法
3.Face Recognition Based on The weighted Eigenface Method;基于加权特征脸法的人脸识别
英文短句/例句
1.Eigenface method for face recognition raised by M.Turk and A.特征脸人脸识别方法是M. Turk和A.
2.Combined Weighted Eigenface and BP-based Networks for Face Recognition;基于加权特征脸和BP神经网络的人脸识别
3.Study on Face Recognition Based on Improved Eigenface;基于特征脸改进算法的人脸识别技术的研究
4.Face Recognition Based on Eigenfaces and BT-SVM Classifiers基于特征脸和二叉树支持向量机的人脸识别
5.The face or facial features.脸，面孔，五官脸或脸部特征
6.Haar Feature Based and Multi-Feature Utilized Rapid Face Detection System;基于Haar特征的多特征快速人脸检测
7.Research on Face Detection and Facial Feature Extraction in Video Sequences;视频图像中人脸检测与人脸特征提取的研究
8.Methods for Facial Features Localization and Face Recognition;人脸面部特征定位与人脸识别方法的研究
9.Research and Improvement on Face Detection and Facial Feature Points Locating Technology人脸检测与人脸特征点定位方法的研究与改进
10.An algorithm based on the potential distribution of face characteristics for extracted human faces人脸特征潜在分布规律的人脸注释算法
11.Tracking Facial Feature with Gabor Wavelet基于Gabor小波的人脸特征点跟踪方法
12.His face shows the lineaments of the Hapsburgs.他的脸具有哈布斯堡王室的外貌特征。
13.Research on the Algorithms of Fast Face Detection and Feature Extraction;人脸快速检测和特征抽取方法的研究
14.Studies on Thermoregulatory Behaviour of Erhualian Pigs;二花脸猪行为性体温调节特征的研究
15.Feature Extraction Algorithms Research of Facial Expression Recognition;人脸表情识别中的特征提取算法研究
16.Face Detection Based on Haar-Feature Probability Distribution and SVM;基于Haar特征概率分布与SVM的人脸检测
17.Research on Feature Extraction and Recognition in Face Recognition System;人脸识别系统中特征提取与识别研究
18.Facial Expression Recognition Based on Gabor Feature and MutualBoost;结合Gabor特征与MutualBoost的人脸表情识别
相关短句/例句
Eigenfaces特征脸
1.Eigenfaces for Face Detection And Recognition;基于特征脸的人脸检测与识别
2.According to the low chromatic difference and poor image quality characteristics of the pressed protuberant characters,the Eigenfaces method for the overall feature extraction and recognition is adopted.针对压印凹凸字符色差低、图像质量差的特点,采用"特征脸"用于压印字符的整体特征提取和识别。
3.The techniques of eigenfaces and Least Squares Support Vector Machine(LS-SVM) classifier are combined to categorize gender from facial knowledge in this paper.提出使用特征脸和最小二乘支持向量机(LS-SVM)分类器相结合进行人脸性别分类。
3)eigenfaces特征脸法
1.However,the correct recognition rate decreases by eigenfaces sharply when the face pose varies.特征脸法是一种简单而有效的人脸识别方法,但其本质上依赖人脸训练集与测试集的灰度相关性,所以在人脸姿态发生变化时识别率会明显下降。
4)facial feature脸部特征
5)facial features人脸特征
1.Best Gabor filter design method of facial features detection;人脸特征检测的最佳Gabor滤波器设计方法
6)face feature人脸特征
1.Based on an analysis of the wavelet muhi2scale transform in target image,this paper puts forward a method that extracts face feature based on wavelet analysis and realized this method with MATLAB.文章在研究了图像多尺度小波分析的基础上,提出了基于小波多尺度分解人脸特征提取的方法,并在MATLAB上实现了该算法。
2.Provided frontal and side facial images and a general 3D polygonal facial mesh with face features, facial feature lines are fitted in the method based-on wavelet analysis.给定特定人脸的正面侧面照片,以及内嵌具有人脸特征信息的弹性人脸网格模型,采用基于小波分析的方法进行人脸特征识别,基于特定人脸的特征线相对于一般人脸模型上的特征线的位移,根据弹性系数求解所有点的位移变化,适配特定人脸几何。
3.The extraction of face features is an important part in the process of face automatic recognition.人脸特征的自动提取是人脸自动识别过程中至关重要的一个环节。
延伸阅读
偏微分算子的特征值与特征函数 由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x1,x2)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x)，使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式： 对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。 将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）： 式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。 与此密切相关的是下面的MP公式：(t→+0) 取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。 特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。 用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。 上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。 对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。 在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式： 。 当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。 除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
