基于單目相機(jī)的頭部姿態(tài)估計(jì)算法研究.pdf

1、目前，頭部姿態(tài)估計(jì)技術(shù)已經(jīng)在很多領(lǐng)域中得到廣泛的應(yīng)用，比如人臉識(shí)別，注視方向估計(jì)等。頭部姿態(tài)估計(jì)作為這些系統(tǒng)的重要和基礎(chǔ)環(huán)節(jié)，對(duì)其進(jìn)行研究是非常必要的。它涉及到模式識(shí)別，圖像處理，計(jì)算機(jī)視覺等多種學(xué)科。
　　基于表觀方法的頭部姿態(tài)估計(jì)算法遵循兩個(gè)步驟:特征提取和分類器設(shè)計(jì)。由于人頭部自然屬性的差異以及采樣時(shí)環(huán)境的影響，使得不是所有的特征都適用于估計(jì)頭部姿態(tài)。因此，本文在對(duì)幾個(gè)常用特征研究的基礎(chǔ)上，提出了HOG特征對(duì)于姿態(tài)估計(jì)的優(yōu)越

2、性，進(jìn)而提出HOG-LBP特征融合，大大提高了姿態(tài)估計(jì)的識(shí)別率。分類器選擇的是支持向量機(jī)。
　　本文在特征提取階段采用HOG特征。在計(jì)算HOG特征時(shí)引入積分圖，即在每個(gè)方向區(qū)間上構(gòu)建一個(gè)積分圖，這樣加快了特征計(jì)算的速度。由于單一的特征會(huì)使頭部重要的描述信息丟失，HOG特征提取的是圖像的形狀信息和邊緣信息，忽略了頭部的紋理信息，因此考慮增加人臉識(shí)別中常用的紋理特征LBP，通過將HOG與LBP結(jié)合起來，使之能夠?qū)ψ罱K的結(jié)果有很好的描述

3、。在分類器設(shè)計(jì)階段選擇經(jīng)典的支持向量機(jī)算法，多分類分類器的設(shè)計(jì)時(shí)，5類采用一對(duì)一方法的有向圖，11類采用的是一對(duì)一方法與樹形結(jié)構(gòu)相結(jié)合的方法，減少了識(shí)別所需的模型數(shù)，加快了識(shí)別速度，提高了系統(tǒng)的性能。
　　在實(shí)驗(yàn)中，首先設(shè)計(jì)一系列的實(shí)驗(yàn)得到了本文HOG特征最優(yōu)參數(shù)。然后做實(shí)驗(yàn)得到HOG特征優(yōu)于Gabor特征和灰度特征。最后進(jìn)行的實(shí)驗(yàn)說明了本文方法的優(yōu)越性:以往只用HOG特征，5類姿態(tài)識(shí)別率為93％左右，本文的HOG+SVM與HOG