融合二阶HOG与CS-LBP的头部姿态估计

摘要：

针对头部姿态估计受光照变化、表情、噪声干扰等因素影响导致识别率低的问题,提出一种融合二阶梯度方向直方图( HOG)和中心对称局部二值模式( CS-LBP )特征的姿态特征,用于单帧图像的头部姿态估计. 采用二阶HOG对人脸图像进行形状信息提取,得到人脸的轮廓特征;用CS-LBP进行局部纹理信息的提取,通过将二阶HOG提取的轮廓特征和CS-LBP提取的纹理特征进行融合,得到更有效的人脸特征;将融合的姿态特征通过核主成分分析(KPCA)变换非线性映射到高维核空间中,抽取其主元特征分量,采用支持向量机(SVM)分类器进行姿态估计.实验结果表明,方法和 HOG、LBP、二阶 HOG、CS-LBP 方法相比有更高的分类准确率,对光照的变化有很好的鲁棒性.

关键词：头部姿态估计、梯度方向直方图(HOG)、中心对称局部二值模式(CS-LBP)、核主成分分析(KPCA)、支持向量机(SVM)

所属期刊栏目：10

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60905066

在线出版日期：2015-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：741-746