[发明专利]一种基于累计属性的头部姿态估计方法

说明书

本发明提供了一种基于累积属性的头部姿态估计方法。首先采集一定数量的头部图像，并记录头部头像对应的头部姿态；之后，对图像提取梯度方向直方图特征，并将头部姿态转化为累积属性；然后，建立头部图像的梯度方向直方图特征和累积属性之间的映射关系，以及累积属性和头部姿态之间的映射关系；最后，给定一幅待估计姿态的头部图像时，提取梯度方向直方图特征，并根据上述学到的映射模型映射到累积属性，再从累积属性映射到头部姿态角度。由于上述创新，使得本专利提出的头部姿态估计方法有较为理想的估计准确性。

技术领域

本发明属于计算机视觉技术领域，涉及头部姿态估计技术，主要应用于安全驾驶，和人机交互问题中。

背景技术

头部姿态估计是指根据包含头部的数字图像，利用机器学习和计算机视觉的方法准确快速地估计该图像中对应头部的偏转角度，也称为头部姿态。它是近年来计算机视觉和机器学习领域研究的热门问题，在人机交互、安全驾驶和关注度分析等方面都有非常广泛的应用。例如：在人机交互领域，头部的偏转角度可以用于控制电脑或机器显示的方向和位置；在安全驾驶领域，头部姿态可用于辅助视线估计，从而提示驾驶员正确的视线方向。近年来，头部姿态估计在流形学习和子空间理论发展的基础上，有了进一步的发展。现有头部姿态估计方法可以分为三个大的类别：1.基于容貌的方法，2.基于分类的方法和3.基于回归的方法。

基于容貌的头部姿态估计方法的基本原理是将输入的头部图像与数据库中已有的图像进行一一比对，并将找到的最相似的图像所对应的角度作为待估计图像的头部姿态(即角度)。该类方法最大的缺陷在于其只能输出离散的头部偏转角度，并且由于需要与所有已有图像进行依次比对，运算量巨大。参见文献：D.J.Beymer,Face Recognition underVarying Pose,IEEE Conference on Computer Vision and Pattern Recognition,pp.756-761,1994和J.Sherrah,S.Gong,and E.J.Ong,Face Distributions inSimilarity Space under Varying Head pose Image and Vision Computing,vol.19,no.12,pp.807-819,2001。

基于分类的头部姿态估计方法是指根据输入图像的特征和对应头部偏转角度训练分类器，并利用学习好的分类器区分待估计图像头部偏转角度所属的类别，从而确定头部姿态的大致范围。该类方法中常用的分类器包括支持向量机(Support Vector Machine,SVM)，线性判决分析(Linear Discriminative Analysis,LDA)，核线性判决分析(KernelLinear Discriminative Analysis,KLDA)，这类方法的主要缺点是无法估计输出连续的头部姿态，参见文献：J.Huang,X.Shao,and H.Wechsler,Face Pose Discrimination usingSupport Vector Machines(SVM),International Conference on Pattern Recognition,pp.154-156,1998。