[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

摘要

本发明公开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，步骤为获取用于训练的人脸图像训练集并且对人脸图像进行裁剪，使其只剩下人脸部分；将所有裁剪后的人脸图像进行放缩，使所有的人脸图像有相同的分辨率；对放缩后的人脸图像提取图像的特征向量；收集每一幅人脸图像的头部姿态信息，根据头部姿态信息，生成该图像对应的标记分布；生成目标函数，并对该目标函数进行优化；将待测图像的特征向量送入训练出来的模型，计算该图像的标记分布，从而得到该图像的头部姿态。本发明可以快速有效地训练出用于预测缺失类别的人脸头部姿态的模型，并且相比于传统的训练集类别缺失问题，本发明不需要属性或者语义短语等辅助信息来进行训练。

主权项

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。