多尺度卷积神经网络的头部姿态估计_梁令羽.pdf

针对头部姿态估计准确率在实际应用中易受到光照、遮挡等干扰因素的影响以及大量运算导致算法运行速度较低的问题，提出了多尺度卷积神经网络的头部姿态估计算法。通过使用不同尺度的卷积核对输入的头部姿态图片进行特征提取，丰富了图像特征的同时保留了图像信息，增强算法对干扰因素的鲁棒性。同时引入1x1卷积对网络结构参数进行降维，降低系统的运算量，提高算法的时效性。实验结果表明，本文提出的算法在Pointing‘04和CAS-PEAL-R1数据库的识别率分别为96.5%和98.9%，对于光照、表情、遮挡等干扰表现出较好的鲁棒性，具有较好的运行速度