[发明专利]一种基于标记分布的头部姿态估计方法

权利要求书

1.一种基于标记分布的头部姿态估计方法，其特征在于，包括如下步骤：

步骤S1，获取用于训练的头部姿态的图像集，将图像集中的每幅图像的人脸部分裁剪出来，裁剪掉头发、脖子、背景等部分，使图像中只剩下人脸；

步骤S2，将步骤S1中得到的所有图像缩放到统一大小的分辨率；

步骤S3，从步骤S2中得到的所有图像中提取特征向量；

步骤S4，收集每幅图像对应的类别信息，根据每幅图像的类别信息以及类别之间的关系，给予每幅图像一个标记分布，所述标记分布用向量表示；

步骤S5，根据所述图像的类别信息，赋予每个类别一个平滑权重向量，相邻类别赋予比较大的权重，相距较远的赋予较小权重，甚至可以是0；

步骤S6，使用图像特征向量及其标记分布作为训练集，将最大熵模型与Jeffrey散度以及步骤S5中的平滑权重向量结合起来作为目标函数，对该目标函数进行优化，训练得到可以用于头部姿态估计的参数模型；

步骤S7，将待进行头部姿态估计的图像经过步骤S1中的裁剪人脸，然后使用步骤S2、S3中的方法提取出图像的特征向量，接着使用步骤S6中训练出来的参数模型计算得到一个向量，所述向量表示各个类别对该图像的描述度，选择所述向量中最大的描述度对应的类别作为该图像的头部姿态。

2.如权利要求1所述的基于标记分布的头部姿态估计方法，其特征在于，步骤S5中计算出的平滑权重向量以权重的形式引入到步骤S6的训练中。

3.如权利要求1所述的基于标记分布的头部姿态估计方法，其特征在于，步骤S4中，给予每幅图像一个标记分布向量，将标记分布向量作为训练中所需的图像的类别信息。

4.如权利要求1所述的基于标记分布的头部姿态估计方法，其特征在于，步骤S6中，使用最大熵模型作为头部姿态估计的参数模型。

5.如权利要求1所述的基于标记分布的头部姿态估计方法，其特征在于，步骤S6中，使用加权的Jeffrey散度作为目标函数，并用l-bfgs优化方法作为最小化目标函数的参数优化方法。

6.如权利要求1所述的基于标记分布的头部姿态估计方法，其特征在于，步骤S7中，进行头部姿态估计时，先计算出标记分布向量，然后计算头部姿态的类别。

7.如权利要求1所述的基于标记分布的头部姿态估计方法，其特征在于，步骤S3中，提取特征向量使用梯度直方图方法。