基于稀疏流形回归的头部姿态估计研究

头部姿态估计是生物特征识别和人机交互领域的研究热点，具有重要的理论意义和应用价值。人脸复杂的三维结构以及多变的图像采集条件是姿态精确估计的瓶颈问题。本项目将针对头部姿态估计问题，在以往相关研究的基础上，针对头部图像所具有的非线性，高维和多模态问题，研究基于姿态图像表观的特征提取方法；针对多姿态人脸图像存在的误配准问题，研究基于稀疏表示的多姿态人脸配准方法；研究基于流形学习的字典学习方法，以提高稀疏表示中字典元素的表述能力和判别能力；研究利用姿态的连续性信息增强稀疏表示的回归能力的新方法。所提出的新理论、新方法通过大型公开的数据库上进行验证，其研究成果将有助于提高姿态估计的准确性和可靠性，具有重要的理论和现实意义。

头部姿态估计是生物特征识别和人机交互领域的研究热点，具有重要的理论意义和应用价值。本项目面向头部姿态问题，针对姿态估计问题中的非线性问题和多模态问题，研究了新的特征提取方法及分类方法。具体研究成果如下: (1)在头部图像的配准问题上，本项目提出了基于背景去除的头部图像重构方法，该方法能够部分解决头部图像的配准问题；(2)在头部的特征提取问题上，我们提出了多种能够显著提高头部姿态的估计准确率方法，例如，具有仿生特征的姿态提取方法，基于头部二维对称性的特征提取方法和基于简单局部二进制Gabor的特征提取方法；(3)鉴于目前影响人脸识别识别率的主要因素仍然为姿态问题，我们也研究并提出了多种对于姿态鲁棒的人脸识别方法，例如基于相关性分析的跨姿态人脸识别方法和基于联合稀疏表示的人脸识别方法。这些方法通过解决人脸识别中多姿态这一关键问题，不仅提高了人脸识别的准确率，也提高了本项目研究工作的意义；(4)在系统搭建方面，本项目开发实现了头部姿态系统，该系统能够对摄像头实时采集的头部图像进行姿态估计。三年中共计发表和录用论文12 篇，其中SCI论文3篇，撰写图书章节一篇。