bag of visual words 模型的人脸二分类

资 源 简 介

bag of visual words 模型的人脸二分类

详 情 说 明

Bag of Visual Words（BoVW）模型是一种经典的特征表示方法，最初用于文本分类，后来被成功应用到计算机视觉领域。在人脸二分类任务中，BoVW通过将人脸图像转换为视觉词袋的统计直方图，进而利用PLSA等概率模型进行分类。

核心流程分为三个阶段：

特征提取与视觉词典构建 通常使用SIFT或SURF等局部特征描述子从训练集中提取关键点特征。通过聚类算法（如K-means）将这些特征点聚类成视觉单词，形成视觉词典。

人脸图像编码 对每张人脸图像，检测其局部特征并映射到最近的视觉单词，统计每个单词出现的频率，生成定长的直方图表示。这种表示方式消除了原始像素的空间关系，但保留了关键视觉元素的统计分布。

分类模型实现 PLSA（概率潜在语义分析）：将图像视为文档，视觉单词视为词汇，通过潜在主题建模发现隐藏的语义模式。对于二分类任务，可训练两个独立的PLSA模型分别拟合正负样本分布，通过比较测试样本的似然概率实现分类。 对比模式：另一种常见方式是结合传统分类器（如SVM），将BoVW直方图作为输入特征。PLSA更注重概率解释性，而SVM更适合处理高维稀疏特征。

优势与挑战： BoVW模型对姿态和光照变化有一定鲁棒性，但可能丢失局部结构信息。PLSA的引入增强了模型对潜在语义的捕捉能力，尤其适合小规模数据集。实际应用中需注意视觉词典大小的选择——过小的词典会导致区分度不足，过大的词典可能引入噪声。

扩展思考： 现代深度学习方法（如CNN）已逐渐替代传统BoVW，但在资源受限或需要模型可解释性的场景中，BoVW+PLSA仍具研究价值。改进方向可包括引入空间金字塔匹配（SPM）或与深度学习特征融合。