专利汇可以提供一种基于多子空间嵌入的头部姿态估计方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于多子空间嵌入的头部 姿态 估计方法及系统,用于估计原始脸部图像的头部姿态,包括 偏航 角 、 俯仰 角和 滚转 角,所述的方法包括HOG(Histogram of Oriented Gradient,方向梯度直方图)特征提取,GDCV(Generalized Discriminative Common Vectors,广义判别共同向量)特征 降维 ,头部姿态欧拉角度多元回归三个阶段。第一阶段,对输入的人脸图像提取HOG特征。第二阶段使用广义判别共同向量方法对特征进行降维处理。第三阶段对头部姿态欧拉角度进行多元回归,这部分分为两个步骤分别是B样条拟和和多元线性回归。本发明减少了在头部姿态估计的过程中,非约束环境中的复杂背景、明暗、遮挡、大角度等难点的影响。,下面是一种基于多子空间嵌入的头部姿态估计方法专利的具体信息内容。
1.一种基于多子空间嵌入的头部姿态估计方法,其特征在于,包括以下步骤:
S1、接收输入的人脸图像,提取人脸图像的HOG特征;
S2、使用广义判别共同向量对提取的特征进行降维处理;
S3、对头部姿态三个欧拉角度俯仰角,偏航角,滚转角进行多元回归。
2.根据权利要求1所述的一种基于多子空间嵌入的头部姿态估计方法,其特征在于,所述步骤S1具体包括以下步骤:
(1)对输入的人脸图像进行归一化,将图片归一为统一尺度,并标准化Gamma空间和颜色空间并计算图像梯度;
(2)为每个单位空间构建HOG特征;
(3)把单位空间组合成稍大的块区,在块区内归一化HOG特征;
(4)整合所有的HOG特征。
3.根据权利要求1所述的一种基于多子空间嵌入的头部姿态估计方法,其特征在于,所述步骤S2包括:使用广义判别共同向量对HOG特征进行降维,并嵌入到GDCV子空间内。设训练样本共有C个类别,每个类别的样本数为Ni(i=1,2,...,C),总的样本数为M,其中M=N1+N2+...+Nc, 为第i类别的第m个样本。
4.根据权利要求3所述的一种基于多子空间嵌入的头部姿态估计方法,其特征在于,所述GDCV子空间的计算步骤如下:
μi为第i类样本的均值,μ为所有样本的均值,有类间离散度矩阵为:
类内离散度矩阵为:
总离散度矩阵为:
其中:
由矩阵AAT的特征值得到SW的非零特征值对应的特征向量所构成的矩阵Q=[α1,α1,...,αd],r=rank(SW);
在每一类中任意选择一个训练样本,按照下式将样本投影到SW的零空间,得到该类别的判别共同向量
由矩阵 的特征值得到Scom的非零特征值对应的特征向量wk(k=1,2,...,C-1)构成的最佳变换矩阵Wopt=[w1,w1,...,wC-1];
在每一类中任意选择一个训练样本,按照下式计算训练样本第i类的表征向量Ωi
5.根据权利要求1所述的一种基于多子空间嵌入的头部姿态估计方法,其特征在于,所述步骤S3包括:使用B样条拟和和多元线性回归对头部姿态(俯仰角,偏航角,滚转角)进行估计预测。
6.根据权利要求5所述的一种基于多子空间嵌入的头部姿态估计方法,其特征在于,所述B样条拟和函数为:
首先B样条对训练数据进行拟合曲线Y,控制点为 该曲线拟合,然后通过多元线性回归估计曲线Y和最终欧拉角之间的关系,计算出结果Z,公式为:
Z=Yβ+ε
通过训练集Y和标签Z可以求出:
β=(YTY)-1YTZ。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于深度学习的人员工作图像的注意力检测方法及系统 | 2020-05-15 | 174 |
一种基于计算机视觉检测的生产设备辅助装置 | 2020-05-23 | 51 |
分类采样方法、装置、系统、存储介质和计算机设备 | 2020-05-23 | 100 |
一种适用于多姿态下的驾驶人员抽烟行为检测方法 | 2020-05-24 | 766 |
一种证件识别方法、装置及设备 | 2020-05-18 | 460 |
一种基于视觉物联网的图书馆座位管理系统 | 2020-05-25 | 641 |
一种人脸重建方法及系统 | 2020-05-20 | 809 |
一种基于深度学习多特征融合的驾驶员疲劳检测方法 | 2020-05-14 | 894 |
基于深度学习人脸姿态估计的疲劳检测方法 | 2020-05-25 | 771 |
一种基于关键点约束的人脸姿态估计方法 | 2020-05-15 | 699 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。