基于单图像的低复杂度头部姿态估计算法及应用研究

发布时间：2021-06-09 19:40

　　头部姿态能够反映人脸的重要信息,包括人脸的朝向、眼睛注视的方向,甚至是人的思维意识。头部姿态估计有多种解释,粗略地说,头部姿态估计可以看作在几个离散的方向（例如,正面和左侧/右侧轮廓视图）中识别头部的角度。精细的说,头部姿态估计可以看作连续的跨越多个自由度（Degrees Of Freedom,DOF）的角度测量。在本文的研究中,头部姿态估计是指从单幅图像中推测人类头部定位的过程,它需要通过一系列的处理步骤来将基于像素的头部表示信息转换为高层次的方向语义信息。头部姿态估计可以应用在了驾驶员辅助系统、人机交互、虚拟现实等诸多领域。目前,头部姿态估计大体上可以分为两种方法:基于头部几何模型的方法和基于人脸图像监督学习的方法。在本文中,我们在课题组前期工作的基础上进一步研究实现了一种新的基于几何模型的头部姿态估计算法,该算法以较低的计算成本从一个单一的二维（Two Dimension,2D）人脸图像中精确估计头部姿态。首先,对预定义的三维（Three Dimension,3D）人脸模型中四个不共面特征点的直角坐标以及2D人脸图像中对应特征点的坐标进行归一化处理,排除外部因素（即比例因子和平移... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

D头部姿态角度[50]

含输入层、隐藏层和输出层的多层卷积神经网络［５７］。文献［５７］中提出使用三级卷??积级联网络来检测人脸面部左眼中心、右眼中心、鼻尖、左嘴角、右嘴角这五个??特征点。深度卷积级联网络结构图如图２．２所示。图中ＬＥ、ＲＥ、Ｎ、ＬＭ、ＲＭ分??别对应上述五个特征点，第一级卷积网络输入人脸面部图像对人脸特征点进行粗??略标识，Ｆｌ、ＥＮ１和ＮＭ１为深度卷积神经网络分别以图像中的人脸区域、眼睛??１０??

?山东大学硕士学位论文???区域、鼻子和嘴唇区域作为输入，以获得人脸特征点的粗略位置。第一级网络估??计结果作为下一级卷积网络的输入进一步明确特征点位置。在第二级和第三级网??络中分别对每一个特征点进行两次精确的位置标记，特征点的最终位置取两次估??计的平均值，从而进一步降低误差。在第一级网络中，三个深度卷积神经网络Ｆ１、??ＥＮ１和ＮＭ１结构相同都是由输入、卷积层、最大池化层和全连通层组成，结构??如图２．３所示。??Ｌｅｖｅｌ?１?ｌｅｖｅｌ?２?Ｌｅｖｅｌ?３??

【参考文献】：
硕士论文
[1]应用于辅助驾驶系统的驾驶员行为分析[D]. 李梦宇.山东大学 2018
[2]3D人脸建模与姿态识别的研究及其在路考系统中的应用[D]. 康壮.武汉理工大学 2014



本文编号：3221194