多尺度卷积神经网络的头部姿态估计

针对多尺度卷积神经网络的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,提出了头部姿态估计算法。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,同时保留了图像信息,增强了算法对干扰因素的稳健性。引入1×1卷积对网络结构参数进行降维,降低了系统的运算量,提高了算法的时效性。实验结果表明,所提算法在Pointing''04和CAS-PEAL-R1数据库上的识别率分别为96.5%和98.9%,对于光照、表情、遮挡等干扰表现出较好的稳健性,具有较快的运行速度。