基于深度学习头部姿态估计.PDFVIP

第26卷 第11期 计 算机 技 术 与发 展 Vol.26 No.11 2016年11月 COMPUTERTECHNOLOGY AND DEVELOPMENT Nov. 2016 基于深度学习的头部姿态估计 贺飞翔,赵启军 (四川大学视觉合成图形图像技术国防重点学科实验室,四川 成都610065) 摘 要:头部姿态估计在人工智能、模式识别及人机智能交互等领域应用广泛。 好的头部姿态估计算法应对光照、噪声、 身份、遮挡等因素时鲁棒性较好,但目前为止如何提高姿态估计的精确度与鲁棒性依然是计算机视觉领域的一大挑战。 提出了一种基于深度学习进行头部姿态估计的方法。 利用深度学习强大的学习能力,对输入的人脸图像进行一系列的非 线性操作,逐层提取图像中抽象的特征,然后利用提取的特征进行分类。 此类特征在姿态上具有较大的差异性,同时对光 照、身份、遮挡等因素鲁棒。 在CAS-PEAL数据集上对该方法进行了评估实验。 实验结果表明,该方法有效地提高了姿态 估计的准确性。 关键词:头部姿态估计;深度学习;提取特征;分类 中图分类号:TP301.6 文献标识码:A 文章编号:1673-629X(2016)11-0001-04 doi:10.3969/j.issn.1673-629X.2016.11.001 Head Pose Estimation Based on Deep Learning HE Fei-xiang,ZHAO Qi-jun (National Key Laboratory of Fundamental Science on Synthetic Vision,Sichuan University, Chengdu610065,China) Abstract:Head pose estimation hasbeenwidelyusedinthefieldofartificialintelligence,patternrecognitionandintelligenthuman-com- puterinteractionand soon.Goodheadposeestimationalgorithm shoulddealwith light,noise,identity,shelterandotherfactorsrobustly, but so far how to improvetheaccuracyandrobustnessofattitudeestimationremainsamajor challengeinthefieldofcomputervision.A method based on deep learningforposeestimationispresented.Deep learningwitha stronglearningability,it can extracthigh-levelim- age featuresof the input image by through a seriesof non-linear operation,then classifying the input imageusing the extracted feature. Such characteristics have greater differences in pose,while they are robust of light,identity,occlusion and other factors.The proposed head poseestimationisevaluatedontheCAS-PEALdataset.Experimentalresultsshowthatthismethodiseffe