[发明专利]一种基于混合深度回归网络的头部姿态估计方法

说明书

该发明公开了一种基于混合深度回归网络的头部姿态估计方法，是基于混合深度回归网络的头部姿态估计算法，属于计算机视觉和机器学习领域。它在传统回归算法和深度网络框架的基础上，首次在头部姿态估计问题中使用了不同模态的图像信息，并将训练得到的多个模态的子网络进行融合，得到了最终的混合深度回归网络。与其它头部姿态估计方法相比，该算法能够取得更好的估计精度并具有良好的鲁棒性。此外，本专利的方法还具有一定的通用性，不仅适用于典型的头部姿态估计问题，如人机交互、安全驾驶和人脸识别，也可以将问题场景拓展到其它深度回归问题中。

技术领域

本发明属于计算机视觉和机器学习领域，涉及视觉映射中的头部姿态估计问题。

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、安全驾驶和人脸识别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；在人脸识别领域，头部姿态 估计可以预先确定人脸的朝向，从而有利于下一步特征点的定位。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；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 Recognitionunder Varying Pose,IEEE Conference on Computer Vision and PatternRecognition,pp.756-761,1994和J.Sherrah,S.Gong, and E.J.Ong,Face Distributionsin Similarity 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 VectorMachine,SVM)，线性判决分析 (Linear Discriminative Analysis,LDA)，核线性判决分析(Kernel Linear 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 PoseDiscrimination using Support Vector Machines(SVM),International Conference onPattern Recognition,pp.154-156,1998。