[发明专利]一种基于栈式自编码的头部姿态估计方法

摘要

该发明公开了一种基于栈式自编码的头部姿态估计方法，该发明属于计算机视觉技术领域。主要思想是提出利用栈式自编码器，建立头部深度图像和姿态之间的非线性映射关系。本发明首先采集大量头部深度图像作为训练样本，同时提取梯度方向直方图特征，然后记录对应的头部姿态。之后，设计栈式自编码器，在训练样本和标定姿态数据上，利用梯度下降法学习栈式自编码器的各层参数。最后，对于待估计姿态的头部图像，提取梯度方向直方图特征，根据上述已学习的栈式自编码器估计头部姿态。与传统的头部姿态估计方法相比，该方法能够模拟输入特征到头部姿态的复杂映射关系，有效的克服了浅层模型估计准确性不高的问题。

主权项

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。