基于边缘统计和特征定位的人脸姿态估计方法

提出基于整体信息和基于局部信息的人脸姿态估计方法,并对两种方法进行比较分析。基于边缘统计特征的人脸姿态估计算法先利用人脸整体信息,提取边缘统计特征,再使用线性回归算法建立特征与姿态间的对应关系。基于特征定位的人脸姿态估计是一种基于局部信息的算法,该算法先使用数理形态学运算精确定位鼻孔,再根据鼻孔与眼睛的位置关系进行人脸姿态估计。实验结果表明,本文的算法具有准确度高,计算速度快的优点。

基于最小二乘法的鼻子轮廓提取

针对传统的机器人肖像绘画技术中,现有方法难以对提取的鼻子轮廓线条的特征进行表征,进而影响了对鼻子的编码和矢量化的问题,提出一种基于最小二乘法的鼻子轮廓提取算法.首先在检测鼻子的基础上定位鼻尖和鼻孔;然后定位关键特征点,并通过关键特征点的约束控制搜索轮廓参考点;最后基于最小二乘法拟合轮廓曲线,得到鼻子轮廓曲线.实验结果表明,应用该算法能很有效地提取鼻子轮廓特征,且有利于编码和矢量化.

驾驶人头部姿态估计研究

本文从车辆的主动安全角度出发,利用机器视觉方法对驾驶人头部绕X转动、绕Y轴转动角度的估计进行了研究,采用特征三角形模型估计这二个自由度中的头部姿态参数。首先利用Adaboost算法训练人脸分类器,进行人脸检测;然后利用人脸器官的几何关系进行特征点(眼睛、鼻孔和人嘴中心点)定位,得到特征点的中心点坐标;再建立基于特征三角形的头部姿态估计模型,进行头部的姿态参数的估计。