[发明专利]基于标记分布的解决类别缺失问题的头部姿态估计方法在审
申请号: | 201611107604.1 | 申请日: | 2016-12-06 |
公开(公告)号: | CN106599815A | 公开(公告)日: | 2017-04-26 |
发明(设计)人: | 耿新;霍增炜 | 申请(专利权)人: | 东南大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/48;G06K9/62 |
代理公司: | 南京苏高专利商标事务所(普通合伙)32204 | 代理人: | 唐红 |
地址: | 210000 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 标记 分布 解决 类别 缺失 问题 头部 姿态 估计 方法 | ||
1.一种基于标记分布的解决类别缺失问题的头部姿态估计方法,其特征在于,包括如下步骤:
(1)获取用于训练的头部姿态的图像数据集,该图像数据集中缺少某些姿态的样本,对该图像数据集中的图像进行预处理,即将数据集中的每幅图像的人脸部分裁剪出来,裁剪掉头发、脖子以及背景部分;
(2)将步骤(1)中得到的裁剪后的人脸图像缩放到统一大小的分辨率;
(3)从步骤(2)中得到的人脸图像中提取图像特征向量;
(4)收集每幅图像对应的类别信息,即头部姿态信息,然后根据每幅图像的头部姿态信息以及头部姿态之间的关系,给予每幅图像一个标记分布,该标记分布用向量表示,然后将该标记分布向量作为训练中所需的图像的监督信息,该监督信息表示每种姿态与人脸图像的关系;
(5)使用人脸图像特征向量及其标记分布作为训练集,将最大熵模型产生的标记分布与根据类别生成的标记分布的Jeffrey散度以及参数向量的平滑正则项作为目标函数,对该目标函数进行优化,训练得到可以用于头部姿态估计的参数模型,即使用最大熵模型作为头部姿态估计的参数模型;
(6)将待测的头部姿态图像经过步骤(1)中的裁剪人脸,然后使用步骤(2)和(3)中的方法提取出图像的特征向量,接着使用步骤(5)中训练出来的参数模型计算得到一个向量,所述向量表示各个头部姿态对该图像的描述度,选择所述向量中最大的描述度对应的姿态作为该图像的头部姿态。
2.根据权利要求1所述的基于标记分布解决类别缺失问题的头部姿态估计方法,其特征在于:所述步骤(5)中,在所述目标函数中加入关于参数的平滑正则项使预测出的标记分布更加平滑,同时通过平滑正则项来加强对缺失类别的学习;然后使用l-bfgs优化方法作为最小化目标函数的参数优化方法。
3.如权利要求1所述的基于标记分布解决类别缺失问题的头部姿态估计方法,其特征在于:在步骤(6)中,进行头部姿态估计时,先计算出标记分布向量,然后得到对应的头部姿态。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611107604.1/1.html,转载请声明来源钻瓜专利网。