文献类型：期刊文章

作　　者：刘袁缘[1,2] 陈靓影[2] 俞侃[1] 覃杰[3] 陈超原[1]

机构地区：[1]文华学院,武汉430074 [2]华中师范大学国家数字化学习工程研究中心,武汉430079 [3]武汉华中数控股份有限公司红外事业部,430074

出　　处：《电子与信息学报》

基　　金：国家自然科学青年基金(61205062);湖北省自然科学基金(2012FFB 02701);华中科技大学文华学院青年基金(J0200540102)资助课题

年　　份：2015

卷　　号：37

期　　号：3

起止页码：543-551

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：头部姿态估计是人类行为和注意力的关键,受到光照、噪声、身份、遮挡等许多因素的影响。为了提高非约束环境下的估计准确率和鲁棒性,该论文提出了树结构分层随机森林在非约束环境下的多类头部姿态估计。首先,为了消除不同环境的噪声影响,提取人脸区域的组合纹理特征,对人脸区域进行积极人脸子区域的分类,分类结果作为树结构分层随机森林的先验知识输入;其次,提出了一种树结构分层随机森林算法,分层估计多自由度下的头部姿态;再次,为了增强算法的分类能力,使用自适应高斯混合模型作为多层次子森林叶子节点的投票模型。在多个公共数据集上的多种非约束实验环境下进行头部姿态估计,最终实验结果表明所提算法在不同质量的图像上都有很好的估计准确率和鲁棒性。

关 键 词：头部姿态估计 非约束环境  树结构分层随机森林  人脸积极子区域先验分类  自适应高斯混合模型  

分 类 号：TP391.4]