頭部姿態(tài)估計(jì)作為計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究課題,近年來(lái)受到研究人員的廣泛關(guān)注。目前頭部姿態(tài)估計(jì)在安全駕駛、智能監(jiān)控、虛擬現(xiàn)實(shí)、人臉識(shí)別等多個(gè)重要領(lǐng)域都有廣泛的應(yīng)用。目前在主流方法中,頭部姿態(tài)估計(jì)被視為監(jiān)督分類或回歸問(wèn)題,其結(jié)果在很大程度上取決于訓(xùn)練數(shù)據(jù)地面真值標(biāo)簽的準(zhǔn)確性,但是在實(shí)際場(chǎng)景中我們很難獲取準(zhǔn)確的角度標(biāo)簽�，F(xiàn)有公共數(shù)據(jù)集的采集場(chǎng)景和協(xié)議標(biāo)準(zhǔn)均不同,因此導(dǎo)致這些數(shù)據(jù)集標(biāo)簽分布特性的不同。為了解決頭部姿態(tài)估計(jì)對(duì)具有不同標(biāo)簽分布特性的數(shù)據(jù)集的依賴,本文提出了一種基于三維模型重建的頭部姿態(tài)估計(jì)方法。該方法基于三維模型和二維圖像的特征點(diǎn)擬合思想,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)學(xué)計(jì)算和優(yōu)化,一定程度上可以減少頭部姿態(tài)估計(jì)對(duì)數(shù)據(jù)標(biāo)簽的依賴。本文主要研究基于三維模型重建的頭部姿態(tài)估計(jì)算法,涉及的相關(guān)領(lǐng)域知識(shí)包括三維模型重建、人臉特征點(diǎn)檢測(cè)以及頭部姿態(tài)估計(jì)等。在三維模型重建上,選擇基于深層神經(jīng)網(wǎng)絡(luò)從二維RGB圖像中回歸三維形變模型參數(shù)來(lái)重建三維模型的算法,并通過(guò)該方法合成實(shí)驗(yàn)所需的訓(xùn)練數(shù)據(jù)集;在人臉特征點(diǎn)檢測(cè)上,考慮到人臉特征點(diǎn)檢測(cè)的準(zhǔn)確性,選擇基于人臉對(duì)齊網(wǎng)絡(luò)的特征點(diǎn)檢測(cè)方法;在頭部姿態(tài)估計(jì)上,用神經(jīng)網(wǎng)絡(luò)... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１頭部姿態(tài)坐標(biāo)系??頭部姿態(tài)估計(jì)按照估計(jì)結(jié)果可分為離散的粗糙估計(jì)方式和連續(xù)的精細(xì)估計(jì)方??

％＼，＿／?＝丨，２，…，ｐ??２．３．３人臉三維形變模型??基于形變模型的三維人臉重建方法是以線性對(duì)象組合類的思想作為基礎(chǔ)的，??任何一個(gè)模型均可以使用其他模型的線性組合實(shí)現(xiàn)表征。在構(gòu)造人臉空間基底的??基礎(chǔ)上，利用主成分分析法（ＰＣＡ）對(duì)樣本進(jìn)行去相關(guān)和降低人臉數(shù)據(jù)特征維度??的計(jì)算，這樣得到的新的人臉特征點(diǎn)數(shù)量更少、維度更孝更不相關(guān)，便于實(shí)現(xiàn)??人臉基底間各個(gè)頂點(diǎn)的稠密對(duì)齊。根據(jù)每張輸入的人臉圖像對(duì)模型函數(shù)中的參數(shù)??進(jìn)行調(diào)整，實(shí)現(xiàn)形變模型的變形，從而得到形變后的人臉模型，如圖２．２所示。??３Ｄ?Ｄａｔａｂａｓｅ??，—?Ｍｏｒｐｈａｂｌｅ??◎訪卷備一?Ｆａｃｅ?Ｍｏｄｅｌ??ｆｖｖ?Ｆａｃｅ?ｖ?ｋＨ＊?－ｊ——／＂＊＊??＼＾?Ｊ?１?Ａｎａｌｙｚｅｒｆ?￣??２０?Ｉｎｐｕｔ?３Ｄ?Ｏｕｔｐｕｔ??圖２．２三維形變模型的形成原理??基于形變模型的三維人臉模型重建方法通常使用兩種向量對(duì)人臉的形狀和紋??理實(shí)現(xiàn)表征，一種是形狀向量，包含了?ｘ，ｙ，ｚ坐標(biāo)信息：??５?＝?（＾，｝；，Ｚ？Ｘ２，ｒ２，Ｚ２，．．．．．．，Ｘｎ，Ｙｎ，Ｚｎｙ?（２．７）??這里的《指的是模型的頂點(diǎn)數(shù)，另一種是紋理向量，包含了顏色值信息：??Ｔ?＝?（ＲｒＧｔ，ＢｖＲ２，Ｇ２，Ｂ２，，Ｒ，ｒＧｎ，Ｂ？）Ｔ?（２．８）??建立的三維形變臉部模型由ｍ個(gè)臉部模型組成，其中每一個(gè)都包含相應(yīng)的Ｓ，，７；兩??種向量。新的三維臉部模型可以用以下公式表示：??１５??

其中ｑ為人臉關(guān)鍵特征點(diǎn)檢測(cè)生成的置信值。??２．４神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)??２．４．１神經(jīng)網(wǎng)絡(luò)的前向傳播??神經(jīng)網(wǎng)絡(luò)主要由輸入層、隱藏層以及輸出層構(gòu)成，神經(jīng)網(wǎng)絡(luò)的每一層都是由??若干個(gè)互不相關(guān)的神經(jīng)元組成，神經(jīng)元可以理解為數(shù)據(jù)處理的單元，每個(gè)神經(jīng)元??的作用就是接收所有傳入的數(shù)值，同層中的所有神經(jīng)元互不連接，相鄰層之間的??神經(jīng)元以全連接的方式相連。??從本質(zhì)上來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)本質(zhì)上是一個(gè)復(fù)雜的函數(shù)，對(duì)輸入變量返回輸出結(jié)??果。舉例來(lái)說(shuō)，若輸入為ｘ?＝?（ｘｐｘ２，則通過(guò)單個(gè)祌經(jīng)元的輸出如圖２．３所示。??

【參考文獻(xiàn)】：
期刊論文
[1]一種基于姿態(tài)先驗(yàn)的魯棒的人臉對(duì)齊方法[J]. 周麗芳,谷雨,文佳黎,李偉生,雷幫軍,李佳其.  小型微型計(jì)算機(jī)系統(tǒng). 2019(06)
[2]唇色與膚色差異性的唇部檢測(cè)算法的研究[J]. 張玲,蔡春花,何偉.  計(jì)算機(jī)工程與應(yīng)用. 2012(30)
[3]基于改進(jìn)LPP的頭部姿態(tài)估計(jì)方法[J]. 陳書明,陳鍛生.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(12)
[4]光照變化情況下的靜態(tài)頭部姿態(tài)估計(jì)[J]. 劉坤,羅予頻,楊士元.  計(jì)算機(jī)工程. 2008(10)

博士論文
[1]基于人臉圖像的頭部姿態(tài)估計(jì)與年齡估計(jì)方法研究[D]. 胡春龍.華中科技大學(xué) 2014

碩士論文
[1]基于三維模型的單目圖象序列頭部姿態(tài)跟蹤[D]. 宋杰.浙江大學(xué) 2008



本文編號(hào)：2980825