[发明专利]一种基于标记分布的头部姿态估计方法

摘要

本发明公开了一种基于标记分布的头部姿态估计方法，步骤为：（1）获取用于训练的人脸图像的图像集并裁剪人脸图像使其只剩下人脸部分；（2）将所有裁剪后的人脸图像缩放到统一的分辨率；（3）提取图像特征向量；（4）收集每幅图像的类别信息，根据该类别信息，给予每幅图像一个标记分布；（5）根据头部姿态类别信息，赋予每个类别一个平滑权重向量；（6）使用图像特征向量及其标记分布训练模型，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，并对该目标函数进行优化；（7）将待估计头部姿态的图像的特征向量送入训练出来的模型，从而计算出该图像的头部姿态。

主权项

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。