[发明专利]头部姿态估计方法和装置

权利要求书

1.一种头部姿态估计方法，其特征在于，包括：

获取深度图像数据；

将所述深度图像数据输入至头部姿态估计模型中，得到所述头部姿态估计模型输出的头部姿态估计结果；

其中，所述头部姿态估计模型为，以深度图像样本数据为样本，以预先标注或区间划定的与所述深度图像样本数据一一对应的综合维度姿态大小角度二分类标签、单维度姿态多分类标签以及单维度回归标签为样本标签进行训练得到；所述综合维度姿态大小角度二分类标签用于表示综合多维度头部姿态的空间特征；所述单维度姿态多分类标签和所述单维度回归标签均用于表示单个维度头部姿态的空间特征；

所述头部姿态估计模型的确定过程还包括：

获取任一所述深度图像数据对应的三维姿态角标签，所述三维姿态角标签包括Yaw角、Pitch角以及Roll角；

基于三维姿态角标签与设定的各维度姿态角度阈值的比较，确定所述综合维度姿态大小角度二分类标签；

基于三维姿态角标签的区间划分，确定所述单维度姿态多分类标签；

基于所述三维姿态角标签的标准化处理，确定所述单维度回归标签。

2.根据权利要求1所述的头部姿态估计方法，其特征在于，所述头部姿态估计模型包括特征提取层、单维度姿态层以及综合维度姿态层；

所述将所述深度图像数据输入至头部姿态估计模型中，得到所述头部姿态估计模型输出的头部姿态估计结果，包括：

将所述深度图像数据输入至所述特征提取层，得到单维度姿态特征图和多维度姿态特征图；

将单维度姿态特征图输入至所述单维度姿态层，得到单维度姿态多分类信息和单维度回归信息；

将多维度姿态特征图输入至所述综合维度姿态层，得到综合维度姿态大小角度二分类信息；

基于所述单维度姿态多分类信息、所述单维度回归信息以及所述单维度回归信息，确定所述头部姿态估计结果；

所述头部姿态估计模型的确定过程，包括：

单维度姿态层为，以单维度姿态样本特征图为样本，以预先确定的与所述单维度姿态样本特征图对应的单维度姿态多分类标签以及单维度回归标签为样本标签进行训练得到；

综合维度姿态层为，以多维度姿态样本特征图为样本，以预先确定的与所述多维度姿态样本特征图对应的综合维度姿态大小角度二分类标签为样本标签进行训练得到。

3.根据权利要求1所述的头部姿态估计方法，其特征在于，所述获取深度图像数据，包括：

采集原始深度图像；

对所述原始深度图像进行人脸检测，去除多余的背景区域，确定所述深度图像数据。

4.根据权利要求1所述的头部姿态估计方法，其特征在于，所述头部姿态估计模型采用总损失函数训练得到，所述总损失函数基于所述头部姿态估计模型的单维度姿态层的单维度姿态损失函数和所述头部姿态估计模型的综合维度姿态层的综合维度姿态损失函数确定。

5.根据权利要求4所述的头部姿态估计方法，其特征在于，

所述基于所述头部姿态估计模型的单维度姿态层的单维度姿态损失函数和所述头部姿态估计模型的综合维度姿态层的综合维度姿态损失函数，确定所述总损失函数，包括：应用公式

L_total＝L_{yaw_total}+L_{pitch_total}+L_{roll_total}+αL_cls；

确定所述总损失函数；

其中，L_total为总损失函数，L_{yaw_total}、L_{pitch_total}、L_{roll_total}分别是Yaw角、Pitch角、Roll角的单维度姿态损失函数，L_cls为综合维度姿态损失函数，α为综合维度姿态损失函数L_cls的权值。