| 基于卡尔曼滤波和随机回归森林的实时头部姿态估计EI北大核心CSCD |
| |
| 引用本文： | 李成龙,钟凡,马昕,秦学英.基于卡尔曼滤波和随机回归森林的实时头部姿态估计EI北大核心CSCD[J].计算机辅助设计与图形学学报,2017(12):2309-2316. |
| |
| 作者姓名： | 李成龙 钟凡 马昕 秦学英 |
| |
| 作者单位： | 1.山东大学计算机科学与技术学院250101;2.山东大学数字媒体技术教育部工程研究中心250101;3.山东大学控制科学与工程学院250061; |
| |
| 基金项目： | 国家"八六三"高技术研究发展计划(2015AA016405)；国家自然科学基金(61672326；61572290)；山东大学基础研究基金(2015JC051) |
| |
| 摘 要： | 头部姿态估计在许多高层次的人脸分析任务中起着至关重要的作用,然而准确鲁棒的头部姿态估计仍然是具有挑战性的.针对当前流行的Kinect,提出一种基于卡尔曼滤波和随机回归森林的准确头部姿态估计方法.首先使用卡尔曼滤波在深度图中预测头部的位置,并在预测区域内采样深度块;然后将采样深度块通过已训练的随机回归森林进行头部姿态估计,并将姿态估计值作为卡尔曼滤波的测量值;最后利用卡尔曼滤波结合预测值和测量值得到最终的头部姿态估计参数.实验结果表明,与现有的随机森林算法相比,该方法具有更快的速度、更好的鲁棒性和更高的准确率.
|
| 关 键 词： | 头部姿态估计 卡尔曼滤波 随机回归森林 |
| 本文献已被 维普 等数据库收录！ |
|
