论文部分内容阅读
人脸姿势估计是计算机视觉、图像理解和人脸识别中重要的研究课题。对人像中人的姿势的计的目的是得到人脸相对摄像机的朝向信息。
本文采用将人像依姿势分到已知的离散化姿势的类中的技术路线来解决姿势估计问题。由于人像同时反映了相貌、性别、种族、年龄、表情、光照、姿势等诸多信息，对其中任何一项信息的提取都会受到其他各项信息的干扰，其中尤其是人的相貌差异对姿势估计的影响是最大的。为了克服人相貌差异带来的姿势估计困难，本文采用人像的局部特征眼、鼻、下巴三部分为学习和分类对象，PCA降维后和投影到LDA空间的系数作为分类特征，采用K近邻判别法构造三个子分类器，最后采用投票的方式进行组合分类。该方法比较有效的克服了全脸特征由于相貌差异带来的姿势分类高误差率的困难，同时降低了算法复杂性。在MIT的姿势人脸库上取得了对15个姿势的84.9％的分类正确率，若只取5姿势则可达到93.94％的正确率。