10.3969/j.issn.1673-629X.2016.11.001
基于深度学习的头部姿态估计
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。
头部姿态估计、深度学习、提取特征、分类
26
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61202160,61202161;科技部重大仪器专项2013YQ49087904
2016-12-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
1-4