一种基于深度卷积网络的鲁棒头部姿态估计方法

针对头部姿态估计方法受特征提取限制导致姿态估计效果不佳的问题,提出使用深度卷积网络自动学习有效特征并进行分类的头部姿态估计方法。首先,利用DCNN非线性映射和自动提取图像结构信息的能力,设计一个深度卷积网络实现对姿态鲁棒特征的提取;然后,将提取的特征用于分类器训练并最终实现头部姿态估计。在Pointing’04和Face Pix数据库上的测试结果表明,本文设计的深度卷积网络能有效地进行特征学习,避免了人工设计特征的不足,与现有的基于人工设计特征方法相比,本文方法在2个数据库上达到的预测平均绝对误差分别为4.05°和2.04°,充分证实了本文算法的稳定性和可靠性。