人臉姿態(tài)估計方法的研究.pdf

1、人臉姿態(tài)估計在人臉識別系統(tǒng)和人機接口等領域一直是重點研究內容，具有廣泛的應用價值。在人臉識別系統(tǒng)，人機交互系統(tǒng)，門禁系統(tǒng)及其它應用場景中，人臉姿態(tài)估計是非常關鍵的一步，良好的人臉姿態(tài)估計將有助于提高系統(tǒng)的性能。目前國內外對于人臉姿態(tài)估計問題的研究方法眾多，比如基于幾何方法，基于人臉外觀的方法以及非線性回歸的方法，基于非線性流形方法等，其中基于幾何和人臉外觀方法在人姿態(tài)估計問題上得到了廣泛的應用。然而，上述方法在人臉姿態(tài)估計的實際應用上具

2、有很大的局限性。
　　 本文在比較了各種解決人臉姿態(tài)估計問題的方法后，提出一種新的人臉姿態(tài)估計方法——基于局部線性嵌入(Local Linear Embedding，LLE)算法和BP(Back-Propagation)神經網(wǎng)絡的人臉姿態(tài)估計方法，并用它進行大范圍內的人臉姿態(tài)估計。LLE算法屬于流形學習算法的一種，基本思想是將全局的非線性轉化為局部線性，而互相重疊的局部鄰域能夠提供全局結構的信息，這樣對每個局部進行線性降維后，再

3、按照一定的規(guī)則將結果組合在一起，就能夠得到低維的全局坐標表示，在本文提出的人臉姿態(tài)識別方法中，首先通過它得到訓練樣本在低維嵌入空間上的流形表示，隨后將降維后的訓練樣本數(shù)據(jù)及其對應的姿態(tài)角信息分別作為輸入向量和目標向量訓練BP神經網(wǎng)絡。針對測試樣本，不再是傳統(tǒng)上同訓練樣本一起降維，而是采用了局部線性映射的方法得到其在低維流形上的表示，最后將此表示送到訓練好的BP神經網(wǎng)絡中得到姿態(tài)估計結果。本文提出的方法可以認為是一種流形嵌入方法，也可認為