11、人脸姿态理解与时空信息利用

人脸姿态理解与时空信息利用

1. 人脸姿态估计方法

1.1 模板匹配估计姿态

模板匹配是一种常用的估计头部姿态的方法。通过使用间隔为15°的模板来估计绕y轴的旋转，中心模板为正视图。模板匹配最初使用最近邻匹配来测量头部姿态$(\theta,\varphi)$，即与最佳匹配模板相关联的姿态标签作为测量结果。更通用的方法是对一组模板的匹配分数进行插值，径向基函数（RBF）网络是实现这种插值的一种可能方法。

1.2 基于原型的外观模型

给定不同人的多视图人脸图像数据库，可以学习通用的基于视图的外观模型，以独立于人的方式识别和跟踪头部姿态。以下是构建此类模型的方法：
- 平均图像模板 ：使用滤波后的人脸图像计算每个姿态下的平均图像模板。例如，通过对11个不同人的滤波视图进行平均，得到不同偏航角下的平均模板。
- 线性组合原型 ：一般来说，给定视图下的图像$x$可以分解为该视图下原型${x_1,x_2,\cdots,x_K}$的线性组合：
[x = \sum_{k = 1}^{K}a_kx_k]
系数$a=(a_1,a_2,\cdots,a_K)$可以使用奇异值分解来计算，以最小化：
[\sum_{k = 1}^{K}(x - \sum_{k = 1}^{K}a_kx_k)^2]
- 姿态模块化特征空间 ：更复杂的方法可以应用姿态模块化特征空间来表示滤波后的图像，从而得到更鲁棒和计算效率更高的对应模板。
- 相似度向量表示 ：将人脸图像$x$表