基于神经网络的飞行员头位跟踪方法研究
针对飞行员座舱模拟训练中,传统的头位检测跟踪技术存在的头位检测精度不高、实时性不强、易受外界干扰等问题,结合深度学习方法,提出了一种基于级联卷积神经网络的头位检测跟踪方法.首先结合计算机视觉手段,对拍摄到的飞行员座舱内连续视频图像进行预处理,然后经过三层级联卷积神经网络对处理过的图像进行特征提取,检测人脸,同时完成脸部特征点标记,最后通过EPNP算法对标记过的人脸进行空间坐标解算,得到飞行员的头部姿态角,最终完成对飞行员头位的检测跟踪.实验结果表明,基于卷积神经网络的方法相比于传统方法检测精度高、实时性好、鲁棒性强.
头位检测跟踪、卷积神经网络、特征点标记、EPNP
42
TP391;V19(计算技术、计算机技术)
山东省泰山学者工程专项项目201511020
2021-06-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
88-93