论文部分内容阅读
头部姿态估计在人机交互、智能监控、疲劳检测等领域有着巨大的应用前景,也具有重要的研究意义。本文针对基于单目视觉的头部姿态估计进行研究,主要研究内容包括：(1)在研究现有的人脸特征检测方法的基础之上,提出一种基于特征轮廓的人脸眼角点与嘴角点检测算法,用于检测人脸六个特征角点,包括两个外眼角、两个内眼角点、两个嘴角点。该算法具有人物个体无关性,并能在头部旋转的情况下准确地检测出角点位置。针对光照、噪声、遮挡等可能引起的人脸特征角点检测错误,运用随机抽样一致性RANSAC算法对角点进行位置修正。(2)对基于圆-椭圆仿射对应关系的头部姿态估计方法进行了改进,提出一种通过最优正面人脸平面模型求解仿射变换矩阵的方法。该方法采用基于LBP(Local Binary Pattern)特征描述算子的Adaboost正面人脸分类器获取粗正面人脸集,然后通过剔除伪正正面人脸与优化算法得到最优正面人脸平面模型,由正面人脸平面模型中局部特征角点与当前图像帧上局部特征角点的仿射关系求解头部姿态。并使用CMU PIE(Pose, Illumination and Expression)人脸库评估了本文方法的准确度。(3)将头部姿态估计方法应用于车辆安全辅助驾驶中,通过分析驾驶员头部姿态在Yaw与Pitch自由度上的变化规律来判断其是否处于疲劳状态或视觉分神状态,设计了一种基于计算机视觉的非干扰性驾驶员疲劳状态与视觉分神状态检测方法。实验表明,该方法能成功地检测出驾驶员的疲劳与视觉分神状态,对降低车辆交通事故发生率具有一定意义。