摘要：针对传统的非约束环境下人脸姿态估计方法无法在统一框架下很好地处理各种姿态相关和姿态无关因子等问题,设计了基于字典学习和稀疏表示的鲁棒性人脸姿态估计框架,提出一种新的基于鼻尖点高斯加权的人脸预处理方法.此外,为了提高字典的鉴别性,提出一种基于姿态相关和姿态不相关因子分析的鉴别字典学习算法.通过在公开的XJTU、Multi-PIE、CAS-PEAL-R1和AFLW人脸库实验,结果表明:该方法在具有光照、噪声和遮挡变化的人脸库上识别率均约达95%,基本可满足实际应用的要求.

摘要：对于单幅人脸图像姿态估计,针对现有的估计方法大多存在缺乏人脸特征深度信息而造成姿态估计过程病态化的缺陷,及最小二乘法不能很好地区分内外特征点,从而影响估计精度和鲁棒性的问题。提出利用透视原理和迭代算法计算人脸特征点的深度值,在最小二乘法的基础上,加入M-估计优化算法,精确估计出人脸三维空间姿态。实验结果表明,该方法不仅克服了姿态估计的病态化问题,而且具有良好的姿态估计精度和鲁棒性。