56、人类头部朝向估计的深度时空场研究

人类头部朝向估计的深度时空场研究

1. 研究背景与问题提出

在场景中对多人离散头部朝向进行估计是一个具有挑战性的问题。现有的大多数方法往往独立处理不同个体，然而物体之间的关系能提供重要的上下文线索，有助于在因低图像分辨率、运动模糊、光照不佳等因素导致物体缺乏判别线索时纠正错误识别。

2. 相关工作

• 基于外观的方法 ：
  • Tran等人将局部HoG特征与预训练码本匹配，以获取提供相应旋转角度的最接近扩展模板。
  • Foytik等人提出了一个两层框架，将全局非线性流形分解为局部线性邻域。
  • Lee等人设计了一个滤波器组来生成稀疏响应，通过随机投影进行压缩，并利用随机森林进行姿态估计。
  • Lu等人提出了一种普通保序流形分析方法，以寻找用于头部姿态和年龄估计的低维子空间。
  • Patron - Perez等人使用HoG特征学习了一组简单的一对多线性支持向量机（SVM）分类器，并通过应用二次平滑对SVM分类器的分数进行时间平滑。
• 基于模型的方法 ：
  • Breitenstein等人将距离图像与平均人脸模型的预计算姿态图像进行对齐。
  • Li等人通过拟合3D可变形人脸模型重建人脸模板，然后通过将此用户特定的人脸模板注册到输入深度视频来确定头部姿态。这些方法依赖于面部特征的准确定位，通常对头部姿态和面部表情的大变化以及输入图像的低分辨率敏感。
  <