[发明专利]一种基于栈式自编码的头部姿态估计方法

权利要求书

1.一种基于栈式自编码的头部姿态估计方法，包括以下步骤：

步骤1：采集N幅包含不同姿态的头部深度图像，并根据采集每幅图像时摄像头的位置，记录N幅图像各自对应的头部俯仰、偏航和旋转角度，得到头部姿态向量的第1维表示俯仰角，第2维表示倾斜角，第3维表示旋转角，下标n表示第n幅图像；

步骤2：检测步骤1采集到图像的头部区域，并提取该头部区域的梯度方向直方图特征，组成梯度方向直方图特征向量

步骤3：对步骤2中得到梯度方向直方图特征向量在每一维进行数值归一化，将数值范围压缩到[0,1]区间，将姿态的范围归一化到[0,1]区间；

所述步骤3的具体方法为：

将数值范围压缩到[0,1]区间，具体做法为：对于第n个样本，其第i维的数据归一化公式

为所有样本第i维上的最小值，为所有样本第i维上最大值；

将姿态的范围归一化到[0,1]区间，具体做法为：

其中表示第n个样本的标定姿态第j维的分量，y_nj表示该维归一化后的数值；

步骤4：构建栈式自编码器对应的映射函数，设输入为其中s₁表示特征的维数,使用的栈式自编码器共有5层；第1层为输入层，输入层的输入为梯度方向直方图特征向量，第1层节点的个数为梯度方向直方图特征向量的维数，第2-4层为隐单元层，第5层为输出层；任意一层l的任意一个节点单元用符号表示，上标(l)表示第l层，其计算公式为：

表示连接神经网络第l层的所有s_l个单元和第l+1层的第i个单元之间的参数；具体讲，表示连接第l层的第j个单元和第l+1层第i个单元之间的参数，为与第l+1层的隐单元i相关的偏差项，s_l+1为第l+1层隐单元的数目；σ(·)为S形函数，其表达式为若定义则上式也可以表示为：

改栈式自编码器的输出层有3个单元，用符号表示，用以表示估计头部姿态的俯仰角、倾斜角和旋转角；整个栈式自编码模型用函数h_w，b(x)表示当输入为x时的估计头部姿态，即：

步骤5：当输入为x时，假设对应的标定姿态为y,栈式自编码对姿态估计值和标定姿态之间的误差为：

同时，为了表示输出层每一个单元对误差贡献的大小定义误差项

表示的导数，利用后向传播算法，计算l＝2，3，4层时每一个节点j对应的误差项；

最后得到下面两个估计误差关于和的偏导数：

步骤6：利用步骤4中的栈式自编码模型，将步骤3中归一化的梯度方向直方图特征x_n作为栈式自编码的输入，对应的标定头部姿态值为[y₁，...，y_N]，建立栈式自编码的优化目标函数：

其中和λ约束项的强度；

步骤7：求解目标函数J(w，b)关于参数和的偏导数

其中和表示当输入为x_n时对应的第l层的第j个单元的输出和第l+1层第i个单元对应的误差项；最后得到目标函数J(w，b)关于参数向量w，b的梯度和

步骤8：为了求得最佳的栈式自编码参数w和b，我们需要先初始化参数，再利用梯度下降法进行优化，具体包含下面两个步骤：

(a)w和b初始化；首先随机初始化w和b，w表示为(w⁽¹⁾，...，w⁽⁴⁾)^T，其中w^(l)表示第l层的参数；b表示为(b⁽¹⁾，...，b⁽⁴⁾)^T，之后逐层修正第1、2、3层的参数；当修正第1层参数时，利用梯度下降法优化参数w⁽¹⁾和b⁽¹⁾，利用第1层网络重构原始输入特征，并使重构误差最小；当修正第2层参数时，利用梯度下降法优化参数w⁽²⁾和b⁽²⁾，把第1层的输出作为第2层的输入，利用第2层网络重构原始输入特征，并使重构误差最小；当修正第3层参数时，利用梯度下降法优化参数w⁽³⁾和b⁽³⁾，把第2层的输出作为第3层的输入，利用第3层网络重构原始输入特征，并使重构误差最小；对于第4层参数，利用第3层的输出作为第4层的输入，优化参数w⁽⁴⁾和b⁽⁴⁾，使得输出和标定姿态之间的误差平方和最小；由此初始化第1到第4层网络；

(b)梯度下降法；根据初始化值，更新参数向量w和b，即：

其中上标[t]和[t+1]表示第t次和t+1次迭代；当w和b满足收敛条件时停止迭代；

步骤9：对于新的头部图像，确定头部区域并提取梯度方向直方图特征，数值归一化之后送入训练好的栈式自编码器中，得到对应的头部姿态估计值，并将数值范围还原到-180到+180。