1、“.....实现人脸姿态估计，这种方法原理和实现都较简单，但是当人脸姿务相关信息的最大化。基于此，确定人脸姿态估计的基本流程如图所示。如图所示，人脸姿态估计流程可分为训练和估计两个部分。在训练过程中，对训练样本图片进行剪裁和灰度化处理，并提取圖像特征作为训练特征数据集，使用分类器实现训练特征数据集的分类。多姿态人脸识别关键技术论文原稿类器实现训练特征数据集的分类。人脸姿态估计流程与训练流程类似，使用同样的方法提取图像特征后，根据训练好的分类器对带估计人脸图像进行分类，其分类的结果即为人脸姿态评估结果......”。

2、“.....当前国内外研究人员在这问题，由于人脸姿态及其图像的特征，因此往往需要与其它方法结合起来，以提高人脸姿态估计的准确性。如上所述，基于模板的人脸姿态估计方法，需要较全面的采集样本不同姿态的信息作为模板进行人脸姿态估计，其实用性不强。为此，常见的人脸姿态估计方法为首先的人脸姿态模板有圆柱模板和椭圆模板两种，根据先验知识，建立形状模板，然后通过人脸面部器官与模板的匹配，实现人脸姿态估计，这种方法原理和实现都较简单，但是当人脸姿态变化较大导致人脸器官自遮挡较严重时......”。

3、“.....根据如前所述的人脸识别过程，采用和人脸特征提取算法，和是否使用进行优化的分类器进行两两联合实验。实验时，分别选取个样本作为试验集，而剩余样本作为训练集，总计进行次实验，通过次实验的平均值来对用线性核分类器对处理后的人脸图像进行分类，以及根据分类结果的反馈，对分类器进行优化将测试样本按照如上的流程，得到测试样本的分类预测结果。人脸识别算法的实验实验库选择选择美国卡内基梅隆大学创建的数据库进行本文所研究的影响，进而提高多姿态人脸识别的准确性......”。

4、“.....进行身份识别鉴定的技术，是种直观方便的识别技术，当前已经在很多领域中广泛应用。人脸检测系统般可以分为人脸检测与定位，和特征提取与下的人脸图像数据。在实验过程中，从数据库中提取个样本的人脸图像，每个人脸图像包含如图所示的至之间的钟姿态。多姿态人脸识别关键技术论文原稿。图像中的人脸多姿态变化，导致人脸特征发生变化，影响人脸识别的准确性，是人脸识别像进行统图像尺寸光照归化图像灰度化等预处理利用方法提取人脸图像特征，组成训练集合对训练集中的人脸图像进行处理......”。

5、“.....以及根据分类结果的反馈，对多姿态人脸识别关键技术论文原稿的人脸识别算法的实验验证。中包含了非常丰富的不同姿态表情和光照条件下的人脸图像数据。在实验过程中，从数据库中提取个样本的人脸图像，每个人脸图像包含如图所示的至之间的钟姿态。文所研究的基于和的人脸识别流程设计如图所示。将人脸图像库中的图像进行统图像尺寸光照归化图像灰度化等预处理利用方法提取人脸图像特征，组成训练集合对训练集中的人脸图像进行处理，以人脸姿态角度作为依据划分训练结合采取算法......”。

6、“.....实验时，分别选取个样本作为试验集，而剩余样本作为训练集，总计进行次实验，通过次实验的平均值来对比不同算法组合的人脸识别准确性。实验过程中的各参数设臵如下选择线性核识别两个部分。首先，从图像背景中确定人脸的位臵，并通过人脸特征的提取和匹配，实现人脸识别。在人脸识别技术中，多姿态是由于图像采集角度不同，导致待检测的人脸图像，与系统中已采集并作为匹配模板使用的人脸图像难以匹配的问题。人脸识别流程设计本技术现实应用过程中所面临的主要问题之。本文提出了种基于和方法组合的多姿态人脸识别算法......”。

7、“.....有助于提高人脸识别的准确性，使用方法进行分类器，可以降低人脸姿态变化对人来识别分类器进行优化将测试样本按照如上的流程，得到测试样本的分类预测结果。人脸识别算法的实验实验库选择选择美国卡内基梅隆大学创建的数据库进行本文所研究的人脸识别算法的实验验证。中包含了非常丰富的不同姿态表情和光照条件函数，其它参数为中，函数的默认参数的主成分比例設臵为在分类中，确定同样本不同姿态类的先验概率为。人脸识别流程设计本文所研究的基于和的人脸识别流程设计如图所示......”。

8、“.....其实用性不强。为此，常见的人脸姿态估计方法为首先提取人脸姿态特征，然后采用分类器实现人脸姿态估计。多姿态人脸识别关键技术论文原稿。实验过程本次实验，根据如前所述的人脸识别过程，采用和人脸特征提态变化较大导致人脸器官自遮挡较严重时，其准确率会急剧下降基于特征的方法包括基于局部特征和基于全局特征的识别方法，基于特征点的相对位臵和绝对位臵实现人脸姿态，这种方法的准确性很大程度上，与所选取的特征是否合理有关。基于分类的方法通过使用神脸姿态估计流程与训练流程类似，使用同样的方法提取图像特征后......”。

9、“.....其分类的结果即为人脸姿态评估结果。人脸姿态估计问题本质上是个姿态分类问题，当前国内外研究人员在这问题上所采用的方法主要有基于模板基于上所采用的方法主要有基于模板基于特征或基于分类的方法。其中，表示原始图像像素点的像素值。计算每个像素点的值。方法是个核空间的特征数据规整处理方法，在核空间中，实现任务无关噪声和干扰信息的最小化，和任提取人脸姿态特征，然后采用分类器实现人脸姿态估计。基于此，确定人脸姿态估计的基本流程如图所示。如图所示......”。