计算机科学与探索

作者：梁令羽，孙铭堃，何为，李凤荣

单位：1.中国科学院 上海微系统与信息技术研究所 宽带无线移动通信研究室，上海 2018002.上海科技大学 信息科学与技术学院，上海 2001203.中国科学院大学，北京 100864

关键词：头部姿态估计,特征融合,主成分分析（PCA）,Bagging-SVM

针对现有常用分类器性能不能满足头部姿态估计对准确率的要求，以及光照变化影响头部姿态估计准确率的问题，提出了一种基于Bagging-SVM集成分类器的头部姿态估计方法。首先，通过图片预处理和Adaboost检测人脸区域算法减少背景、光照等干扰因素对于头部姿态特征提取的影响。其次，采用融合方向梯度直方图（HOG）特征和局部二值模式（LBP）特征分别对人脸的轮廓特征和纹理特征进行提取。然后，通过主成分分析（PCA）对融合的头部姿态特征进行特征选择，抽取其主元特征分量供分类器进行训练。最后，通过Bagging方法构建多个训练数据集，并采用支持向量机（SVM）对每个数据集进行训练，产生多个弱分类器，多个弱分类器投票决定测试样本所属类别。将该算法在Pointing’04数据集、CAS-PEAL-R1数据集和自建数据集上进行验证实验，实验结果表明提出的算法相比线性判别分类器（LDA）、朴素贝叶斯分类器（NB）等常用分类算法具有更高的分类准确率，对光照的变化具有较好的鲁棒性。

来源：2019年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第11期