頭部姿態(tài)能夠反映人臉的重要信息,包括人臉的朝向、眼睛注視的方向,甚至是人的思維意識。頭部姿態(tài)估計有多種解釋,粗略地說,頭部姿態(tài)估計可以看作在幾個離散的方向（例如,正面和左側(cè)/右側(cè)輪廓視圖）中識別頭部的角度。精細(xì)的說,頭部姿態(tài)估計可以看作連續(xù)的跨越多個自由度（Degrees Of Freedom,DOF）的角度測量。在本文的研究中,頭部姿態(tài)估計是指從單幅圖像中推測人類頭部定位的過程,它需要通過一系列的處理步驟來將基于像素的頭部表示信息轉(zhuǎn)換為高層次的方向語義信息。頭部姿態(tài)估計可以應(yīng)用在了駕駛員輔助系統(tǒng)、人機交互、虛擬現(xiàn)實等諸多領(lǐng)域。目前,頭部姿態(tài)估計大體上可以分為兩種方法:基于頭部幾何模型的方法和基于人臉圖像監(jiān)督學(xué)習(xí)的方法。在本文中,我們在課題組前期工作的基礎(chǔ)上進(jìn)一步研究實現(xiàn)了一種新的基于幾何模型的頭部姿態(tài)估計算法,該算法以較低的計算成本從一個單一的二維（Two Dimension,2D）人臉圖像中精確估計頭部姿態(tài)。首先,對預(yù)定義的三維（Three Dimension,3D）人臉模型中四個不共面特征點的直角坐標(biāo)以及2D人臉圖像中對應(yīng)特征點的坐標(biāo)進(jìn)行歸一化處理,排除外部因素（即比例因子和平移... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

D頭部姿態(tài)角度[50]

含輸入層、隱藏層和輸出層的多層卷積神經(jīng)網(wǎng)絡(luò)［５７］。文獻(xiàn)［５７］中提出使用三級卷??積級聯(lián)網(wǎng)絡(luò)來檢測人臉面部左眼中心、右眼中心、鼻尖、左嘴角、右嘴角這五個??特征點。深度卷積級聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖２．２所示。圖中ＬＥ、ＲＥ、Ｎ、ＬＭ、ＲＭ分??別對應(yīng)上述五個特征點，第一級卷積網(wǎng)絡(luò)輸入人臉面部圖像對人臉特征點進(jìn)行粗??略標(biāo)識，Ｆｌ、ＥＮ１和ＮＭ１為深度卷積神經(jīng)網(wǎng)絡(luò)分別以圖像中的人臉區(qū)域、眼睛??１０??

?山東大學(xué)碩士學(xué)位論文???區(qū)域、鼻子和嘴唇區(qū)域作為輸入，以獲得人臉特征點的粗略位置。第一級網(wǎng)絡(luò)估??計結(jié)果作為下一級卷積網(wǎng)絡(luò)的輸入進(jìn)一步明確特征點位置。在第二級和第三級網(wǎng)??絡(luò)中分別對每一個特征點進(jìn)行兩次精確的位置標(biāo)記，特征點的最終位置取兩次估??計的平均值，從而進(jìn)一步降低誤差。在第一級網(wǎng)絡(luò)中，三個深度卷積神經(jīng)網(wǎng)絡(luò)Ｆ１、??ＥＮ１和ＮＭ１結(jié)構(gòu)相同都是由輸入、卷積層、最大池化層和全連通層組成，結(jié)構(gòu)??如圖２．３所示。??Ｌｅｖｅｌ?１?ｌｅｖｅｌ?２?Ｌｅｖｅｌ?３??

【參考文獻(xiàn)】：
碩士論文
[1]應(yīng)用于輔助駕駛系統(tǒng)的駕駛員行為分析[D]. 李夢宇.山東大學(xué) 2018
[2]3D人臉建模與姿態(tài)識別的研究及其在路考系統(tǒng)中的應(yīng)用[D]. 康壯.武漢理工大學(xué) 2014



本文編號：3221194