基于深度学习的头部姿态估计

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ａｂｓｔｒａｃｔ：Ｈｅａｄｐｏｓｅｅｓｉｔｍａｉｔｏｎｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｔｈｅｉｅｆｌｄｏｆａｒｔｉｉｃｆｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ，ｐａｔｔｅｎｒｒｅｃｏｇｎｉｉｔｏｎａｎｄｉｎｔｅｌｌｉｇｅｎｔｈｕｍａｎ —ｃｏｎ— ｒ
ｂｕｔＳＯｆａｒｈｏｗｔｏｉｍｐｒｏｖｅｈｅｔａｃｃｕｒａｃｙｎｄａｒｏｂｕｓｔｎｅｓｓｏｆａｔｔｉｔｕｄｅｅｓｉｔｍａｉｔｏｎｒｅｍａｉｎｓａｍａｊｏｒｃｈｌｌａｅｎｇｅｉｎｔｈｅｉｆｅｌｄｏｆｃｏｍｐｕｔｅｒｖｉｓｉｏｎ．Ａ
第２６卷
第１１期
计算机技术与发展
ＣＯＭＰＵＴＥＲＴＥＣቤተ መጻሕፍቲ ባይዱＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
２０１６年１１月
Ｖｏ１．２６Ｎｏ．１１Ｎｏｖ．２０１６
基于深度学习的头部姿态估计
ｐｕｔｅｒｉｎｔｅｒａｃｉｏｔｎｎｄａＳＯｏｎ．Ｇｏｏｄｈｅａｄｏｓｐｅｅｓｉｔｍａｉｔｏｎｌｇａｏｉｒｔｈｍｓｈｏｕｌｄｄｅｌａｗｉｔｈｌｉｇｈｔ，ｎｏｉｓｅ，ｉｄｅｎｉｔｔｙ，ｓｈｅｌｔｅｒｎｄａｏｔｈｅｒｆａｃｔｏｓｒｒｏｂｕｓｌｔｙ，
中图分类号：ＴＰ３０１．６文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１６ｌ１１ — Ｏ００１ — ０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１６．１１．００１
ＨｅａｄＰｏｓｅＥｓｔｉｍａｔｉｏｎＢａｓｅｄｏｎＤｅｅｐＬｅａｒｎｉｎｇ
ＨＥＦｅｉ－ｘｉａｎｇ，ＺＨＡＯＱｉ－ｊｕｎ
（ＮａｔｉｏｎａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＦｕｎｄａｍｅｎｔａｌＳｃｉｅｎｃｅｏｎＳｙｎｔｈｅｔｉｃＶｉｓｉｏｎ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ）
贺飞翔，赵启军
（四川大学视觉合成图形图像技术国防重点学科实验室，四川成都６１００６５）
摘要：头部姿态估计在人工智能、模式识别及人机智能交互等领域应用广泛。好的头部姿态估计算法应对光照、噪声、
身份、遮挡等因素时鲁棒性较好，但目前为止如何提高姿态估计的精确度与鲁棒性依然是计算机视觉领域的一大挑战。
提出了一种基于深度学习进行头部姿态估计的方法。利用深度学习强大的学习能力，对输入的人脸图像进行一系列的非
线性操作，逐层提取图像中抽象的特征，然后利用提取的特征进行分类。此类特征在姿态上具有较大的差异性，同时对光照、身份、遮挡等因素鲁棒。在ＣＡＳ — ＰＥＡＬ数据集上对该方法进行了评估实验。实验结果表明，该方法有效地提高了姿态估计的准确性。关键词：头部姿态估计；深度学习；提取特征；分类
ｍｅｈｏｔｄｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｆｏｒｏｓｐｅｅｓｉｍａｔｉｔｏｎｉｓｐｒｅｅｎｓｔｅｄ．Ｄｅｅｐｌｅａｎｉｒｎｇｗｉｈｔａｓｔｒｏｎｇｌｅａｒｎｉｎｇａｂｉｌｉｙ，ｔｉｔＣｎａｅｘｔｒａｃｔｈｉｇｈ —ｌｅｖｅｌｉｍ。
ａｇｅｆａｔｅｕｒｅｓｏｆｔｈｅｉｎｐｕｔｉｍａｇｅｂｙｔｈｒｏｕｇｈａｓｅｒｉｅｓｏｆｎｏｎ－ｌｉｎｅａｒｏｐｅａｔｒｉｏｎ，ｈｅｔｎｃｌａｓｓｉｆｙｉｎｇｔｈｅｉｎｐｕｔｉｍａｇｅｕｓｉｎｇｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅ．
Ｓｕｃｈｃｈａｒａｃｅｒｔｉｓｉｔｃｓｈａｖｅｇｒｅａｅｒｔｄｉｆｅｒｅｎｃｅｓｉｎｐｏｓｅ，ｗｈｉｌｅｈｅｔｙａ ∞ ｒｏｂｕｓｔｏｆＵｇｉ，ｈｉｄｅｎｔｉｔｙ，ｏｃｃｌｕｓｉｏｎｎｄａｏｈｅｔｒｆａｃｔｏｒｓ．Ｔｈｅｐｏｐｒｏｓｅｄ