基于核主元分析的头部姿势估计.pdfVIP

维普资讯 第35卷第8期 光 电工程 、，o1-35．No．8 2008年 8月 Opto—ElectronicEngineering Aug，2008 文章编号：1003—5OLX(2OO8)O8—0062—04 基于核主元分析的头部姿势估计 路玉峰，王增才，李学勇 (山东大学 机械工程学院，济南 250061) 摘要：现有头部姿势估计方法主要是基于几何分析和基于外观线性变换的方法，计算复杂、通用性不强。提出一 种新的利用非线性的核变换算法进行姿势估计的方法，根据流形学习理论，不同姿势的高维人脸图像存在一低维 流形结构，提取该流形结构可估计头部姿势。核主元分析是一种非线性降维算法，能够把这种流形结构嵌入到低 维空间。利用核主元分析训练姿势估计曲线，然后把新图像投影到姿势曲线上，利用插值方法估计新投影点对应 得姿势角度。核主元分析的方法克服了传统线性估计方法的缺点，实验证明该方法估计效果良好，并给出进一步 提高估计效果的途径。 关键词：头部姿势估计；核主元分析；流形学习；非线性降维 中图分类号：TP391．41 文献标志码：A HeadPoseEstimationBasedonKernelPrincipalComponentAnalysis LUYu-feng，WANG Zeng-cai，LIXue,yong 、 (SchoolofMechanicalEngineering,ShandongUniversity,Jinan250061，China) Abstract：Thepresentposeestimationmethodsaremainlybasedongeometryanalysisorlineartransformation，which arecomplexandarenotuniversa1．Anewmethodisproposedbasedonnonlineartransfomr ation．Accordingtomanifold learningtheory,differentheadposeslieon somelow dimensionalmanifolds．KernelPrincipalComponentAnalysis (KPCA)isanonlinera dimensionreductionmehtod．ThehiddenmanifoldinthehighdimensionalspaceCna be successfullyembeddedtoalow dimensionalspaceusingKPCA．A posecurveisgottenusingKPCA rtainsamplesand new poseimageisprojectedontothisctlrve．TheposeangleCna beestimatedusinginterpolationmehtod．The disadvnatageofrtaditionallinearmehtodisconqueredbyKPCA na dtheexperimentalresultshowsthatthemehtodis effectivetoestimateheadposes．Themehtodtoimprovehteestimatnigresultissuggestedbasedontheexperiments． Keywords：headposeestimating；Kernelprincipalcomponentanalysis；manifoldlearning；nonlineardimension reduction 1 引 言 人机交互是计算机科学研究的一个重要领域。作为一种新