头部姿势的低维样本空间建立.docVIP

  头部姿势的低维样本空间建立# 杨艳林，刘向阳，代登辉，叶超** （河海大学理学院，南京 211100） 5 10 15 20 25 30 35 40 摘要：头部姿势样本训练是头部跟踪及姿势估计中的一个非常重要的环节，样本空间的好坏 直接会影响到头部跟踪及姿势估计系统估计结果的准确性。本文介绍了一个利用 MATLAB 的图像处理功能来处理样本图片，从而构建头部姿势低维样本空间的过程。采集的样本图片 经过截取、灰度变换、直方图均衡化、二值化和 PCA 降维等处理后得到 PCA 投影矩阵 W 和低维流形空间矩阵 P，很好的完成了头部姿势样本空间的生成。实验结果表明，将得到的 PCA 投影矩阵 W 和低维流形空间矩阵 P 应用到头部跟踪及姿势估计系统中，能够很好的实 现头部姿势估计。 关键词：图像处理；主成分分析（PCA）；样本空间；姿势估计 中图分类号：TP751.1 Building the low-dimensional sample space of head pose Yang Yanlin, Liu Xiangyang, Dai Denghui, Ye Chao (College of Science, Hohai University, NanJing 211100) Abstract: Training head pose sample is a very important step in the system of head tracking and pose estimation,whose accuracy will be influenced directly by the sample space .This paper introduces a process of using the image processing toolbox of MATLAB to build the low-dimensional sample space of head pose by disposing the image sample.It gets the PCA projection matrix W and the low-dimensional sample space matrix P and completes the formation of pose estimation sample space by image sample processing such as imageclip,gray scale transformation,histogram equalization,binarization and PCA reducing dimensions .The experimental results demonstrate that the application of low-dimensional sample space makes the head pose estimated more accurately. Keywords: image processing; Principal Component Analysis(PCA); sample space; pose estimatiom 0 引言 视觉捕获是人们获取信息的重要途径，人们可根据捕获到的信息做出相应的判断并采取 相应的应对方式。与此同时，视觉传感器具有体积小、被动性和非接触性的特点，这都使得 视觉信息系统具有很好的发展前景。人的头部包含丰富的信息，通过对人物头部的观察可以 大概的估计人的意向、动机和注意力等[1]。头部跟踪及姿势估计在视觉监控、人机交互和视 频会议等多个领域的用途也越来越明显，利用计算机实现头部跟踪及姿势估计成为了计算机 视觉和模式识别的一个研究热点。目前，头部姿势估计主要是通过将计算机捕获的人物头部 视频帧与已有头部姿势样本空间的样本进行比较来估计，头部姿势样本的训练也因此而显得 尤为重要。 MATLAB 是矩阵实验室（Matrix Laboratory）的简称，是用于算法开发、数据可视化、 数据分析以及数值计算的高级技术计算语言和交互式环境，具有丰富的库函数以及各类软、 硬件结构，被广泛的应用于工业、金融等各个领域的研究。MATLAB 的图像处理工具箱 （Image Processing Toolbox，IPT）包含了许多数字图像处理的相关函数，是对数字图像进 基金项目：国家自然基金 作者简介：杨艳林，（1990-），男，本科生大三，主要研究方向：信息与计算科学。 通信联系人：刘向阳，(1976-)，男，讲师，主要研究方向：图像处理、机器学习、计算机视觉等。E