基于隨機(jī)森林的實(shí)時(shí)頭部姿態(tài)估計(jì)方法

摘要：本文設(shè)計(jì)了一個(gè)基于隨機(jī)森林方法的實(shí)時(shí)頭部姿態(tài)估計(jì)系統(tǒng)。將頭部姿態(tài)估計(jì)問題轉(zhuǎn)化成一個(gè)分類問題，標(biāo)記正負(fù)樣本集，采用樣本加分類標(biāo)簽的形式進(jìn)行訓(xùn)練，結(jié)合隨機(jī)森林回歸方法估計(jì)頭部姿態(tài)。

關(guān)鍵詞：頭部姿態(tài)估計(jì)；隨機(jī)森林；實(shí)時(shí)

中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-9599 (2013) 06-0000-02

在計(jì)算機(jī)視覺領(lǐng)域，頭部姿態(tài)估計(jì)算法有著其很大的研究?jī)r(jià)值。頭部姿態(tài)估計(jì)[1]通常是指計(jì)算機(jī)通過對(duì)輸入圖像或者視頻序列的分析、預(yù)測(cè)，確定人的頭部在三維空間（相對(duì)于攝像機(jī)）中的位置及姿態(tài)參量。

1隨機(jī)森林模型

隨機(jī)森林算法（Random Forests Algorithm，RFA）是Leo Breiman[2]發(fā)展起來的一種新型分類和預(yù)測(cè)模型，是一種由多個(gè)分類決策樹組成的組合分類器。RFA方法具有樹型分類器運(yùn)行速度快、需要調(diào)整的參數(shù)較少、不必?fù)?dān)心過度擬合、能高效處理大樣本數(shù)據(jù)、能估計(jì)哪個(gè)特征在分類中更重要以及較強(qiáng)的抗噪聲能力等特點(diǎn)，理論和實(shí)驗(yàn)研究都表明，RFA方法能夠有效地提高對(duì)新樣本的分類準(zhǔn)確度。

2數(shù)據(jù)獲取及生成

為了訓(xùn)練和測(cè)試本文提出的隨機(jī)森林算法，我們需要在一個(gè)具有連續(xù)的頭部姿態(tài)的空間的數(shù)據(jù)集上進(jìn)行訓(xùn)練與測(cè)試。Biwi Kinect頭部姿態(tài)數(shù)據(jù)集[3]是從質(zhì)量較低的深度傳感器（例如，微軟Kinect設(shè)備）獲取深度圖像，共采集了20個(gè)人，6名女性和10名男性（其中4名被重復(fù)計(jì)算兩次，戴眼鏡和不戴眼鏡的情況）。采集的深度圖像的分辨率為640?480，每一個(gè)人臉分辨率為90?110，頭部姿態(tài)范圍涵蓋了?75?Yaw，?60?Pitch， ?50?Roll。

3 基于隨機(jī)森林的實(shí)時(shí)頭部姿態(tài)估計(jì)

3.1 算法流程

（1）在森林 中的一棵樹 從訓(xùn)練樣本中隨機(jī)采樣一組圖像塊 開始構(gòu)建。 是由圖像塊 計(jì)算得到的圖像特征 ，這里我們只提取深度信息一個(gè)特征通道。 是類別標(biāo)簽，標(biāo)記的實(shí)值向量 包含每個(gè)圖像的頭部位置及姿態(tài)向量參數(shù)。其中 表示偏移向量（塊中央到鼻尖）的方向， 表示頭部沿三個(gè)方向的歐拉角。

（2）將訓(xùn)練樣本從上至下遍歷決策樹的節(jié)點(diǎn)最終到達(dá)葉子節(jié)點(diǎn)。在每一個(gè)非葉子節(jié)點(diǎn)都有個(gè)二進(jìn)制測(cè)試 ，滿足測(cè)試的特征塊分到右邊的子類，否則分到左邊的子類，其中分裂的終止條件為樹深達(dá)到最大設(shè)定值或者節(jié)點(diǎn)中樣本的個(gè)數(shù)達(dá)到最小設(shè)定值。

（3）選擇最底層葉子節(jié)點(diǎn)中信息增益最大的點(diǎn)作為分類結(jié)果，該葉子節(jié)點(diǎn)中存儲(chǔ)一個(gè)分布模型，包含的信息有到達(dá)該節(jié)點(diǎn)的特征塊的頭部位置及姿勢(shì)向量參數(shù)的均值及協(xié)方差。

（4）將這些樣本進(jìn)行聚類。對(duì)得到的各個(gè)聚類，如果某一聚類的樣本數(shù)小于規(guī)定的閾值，則將這個(gè)聚類丟棄；如果某一聚類的樣本數(shù)大于等于閾值，則表明探測(cè)到一個(gè)頭部。然后利用十次高斯核函數(shù)的Mean Shift方法迭代[4]，對(duì)探測(cè)到的頭部再次縮小范圍，只保留鼻子周圍的樣本，加快計(jì)算速度。

（5）最后根據(jù)鼻子周圍樣本塊所屬葉節(jié)點(diǎn)的 的分布得到 的參數(shù)估計(jì)，取概率最大的 作為頭部的位置及姿勢(shì)估計(jì)。

3.2測(cè)試方法

將密度采樣后的圖像塊通過訓(xùn)練好的隨機(jī)森林模型中，從上至下遍歷決策樹的節(jié)點(diǎn)，最終到達(dá)葉子節(jié)點(diǎn) 。在葉子節(jié)點(diǎn) 存儲(chǔ)的 表明對(duì)于類別標(biāo)簽 而言測(cè)試圖像塊所攜帶的信息量。由于收集負(fù)樣本的復(fù)雜度大于收集正樣本的復(fù)雜度，因此在每一個(gè)葉子節(jié)點(diǎn)我們只考慮 ，且 （最大允許誤差的經(jīng)驗(yàn)值），取400。在這兩個(gè)限制條件我們?nèi)匀豢梢垣@得可靠的估計(jì)，只要保證有足夠大的密度采樣圖像塊和葉子節(jié)點(diǎn)數(shù)。估計(jì) ，得到 。

4實(shí)驗(yàn)結(jié)果

本算法在實(shí)現(xiàn)過程中，硬件開發(fā)環(huán)境：Intel(R) Core(TM) i5-2410M CPU @2.30GHz 2.30GHz；內(nèi)存（RAM）6G；64位操作系統(tǒng)。本文方法不需要特定的硬件環(huán)境，無需手動(dòng)初始化設(shè)置，并且可以根據(jù)頭部姿態(tài)估計(jì)的速度和精度的要求來調(diào)節(jié)平衡點(diǎn)。實(shí)驗(yàn)過程中，通過Kinect設(shè)備一幀一幀的運(yùn)行，得到實(shí)時(shí)的頭部姿態(tài)估計(jì)結(jié)果，如圖1所示。

圖1 基于Kinect深度信息的大范圍實(shí)時(shí)頭部姿態(tài)估計(jì)

5結(jié)束語

實(shí)驗(yàn)表明，本文方法不依賴于檢測(cè)特定的面部特征（如鼻子等），在大范圍內(nèi)的旋轉(zhuǎn)，頭部遮擋、戴眼鏡、表情變化等情形下都能魯棒地完成頭部姿態(tài)估計(jì)，且對(duì)光照變化不敏感，在速度和精度上達(dá)到實(shí)時(shí)估計(jì)要求，丟幀僅占2%。

參考文獻(xiàn)：

[1]Murphy-Chutorian E, Trivedi M M. Head pose estimation in computer vision: A survey[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on,2009,31(4):607-626.

[2]Breiman L.Random forests[J].Machine learning,2001,45(1):5-32.

[3]Fanelli G, Weise T, Gall J, et al. Real time head pose estimation from consumer depth cameras[M]//Pattern Recognition. Springer Berlin Heidelberg, 2011: 101-110.

[4]Cheng Y.Mean shift, mode seeking, and clustering[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1995,17(8):790-799.

[作者簡(jiǎn)介]陶麗君（1986-），女（漢族），浙江省慈溪市人，廈門大學(xué)信息科學(xué)與技術(shù)學(xué)院計(jì)算機(jī)科學(xué)系學(xué)生，研究生碩士學(xué)位，研究方向，視頻與數(shù)字圖像處理。