頭部姿態(tài)估計的監(jiān)督流形學習研究及其并行化擴展.pdf

1、人臉識別一直以來都是計算機視覺和模式識別研究中的熱點問題，對于具有不同頭部轉動姿勢的人臉識別，估計人臉頭部姿態(tài)是必要前提，因而具有重要的研究意義和實用價值。流形學習是目前用于頭部姿態(tài)估計的主流方法，因為不同頭部姿態(tài)的人臉圖像集很自然地看成一個具有頭部轉動姿勢流形的高維空間，因此我們研究提出了兩種監(jiān)督流形學習方法進行魯棒的與身份無關的頭部姿態(tài)估計問題，本論文的研究工作包括:
　　提出局部保持監(jiān)督流形學習方法，首先將LLE與LE方法進

2、行集成提出LapLLE方法，構建數(shù)據(jù)的多圖模型，使用基于類別標簽的監(jiān)督項，來獲得最優(yōu)的保持數(shù)據(jù)集局部幾何結構的低維流形嵌入，然后提出保持拉普拉斯正則化，將低維流形嵌入用于提出的正則化最小二乘中，獲得直接的顯式映射，從而解決了流形學習方法無法快速獲得直接顯式的映射問題，有效地解決樣本外擴展，并且基于FacePix數(shù)據(jù)集的實驗驗證了提出的方法顯著地改進了頭部姿態(tài)估計的性能。
　　提出局部判別監(jiān)督流形學習，它充分探索了數(shù)據(jù)的判別信息和同

3、時的保持流形幾何結構，將基于拉普拉斯判別流行結構項加入到LapLLE中來獲得判別流形嵌入，然后基于判別流形結構提出判別拉普拉斯正則化用于獲得判別的直接顯式映射，從而有效地處理樣本外學習問題，流形可視化驗證了提出的方法的假設，并且實驗驗證了提出的算法在頭部姿態(tài)估計問題的有效性和性能。
　　提出了監(jiān)督流形學習框架，將提出的流形學習方法分為兩步，第一步使用非線性流形學習方法，來獲得低維的嵌入結果，第二步使用提出的正則化方法來學習從高維數(shù)