基于双目视觉的头部姿态估计*

方 劲, 石守东, 徐淼华, 陈锦涛

(宁波大学 信息科学与工程学院,浙江 宁波 315211)

0 引 言

当前我国青少年近视患病率呈高发态势,职业性肌肉骨骼疾患患者日益增多。有证据表明,近距离用眼是近视的首要危险因素,而职业性肌肉骨骼疾患则与长期保持不良坐姿密切相关。人眼及坐姿的研究离不开头部姿态估计,该研究在人机交互、行为识别、医疗健康、游戏娱乐等领域具有较高应用价值。

根据数据来源的不同,可将头部姿态的研究方法分为基于二维图像[1～3]、三维(3D)图像[4]以及深度图像[5,6]的姿态估计。二维图像有基于特征和外观的方法,前者用统计模型包括主动外观模型(active appearance model,AAM)、多视图AAM及三维变形模型追踪面部进行头部跟踪,后者对头部姿态进行离散化并对子集分类。文献[1]用人脸多个特征点的相对位置变化来检测头部姿态。文献[2]提出一种三角形表面补丁描述符(TSP)估计头部方向和位置。文献[3]通过双支路多级卷积神经网络处理二维图像,第一分支估计人体的二维置信图,第二分支计算各部位的关联度(PAF),得到多个面部点,识别效果好。基于二维图像的方法成本低、易推广,但对光照敏感,易受纹理特征等因素影响。三维图像方法对设备性能的要求高,算法更复杂。文献[4]使用ASM和ASEF算法定位并建立人脸3D模型来检测头部姿态。文献[5]基于模糊肤色分类器和颜色特征的人脸追踪,通过高并行GPU计算、分类器权重预计算等方法提高设备在高分辨率视频图像中稳定追踪面部的能力,并在3D图像中由对面部位置估计实现对头部运动的追踪。……