从深度数据到头部姿态估计：一种 Siamese 方法
计算机视觉与模式识别
2017-03-13 v1
摘要
正确估计头部姿态对于许多应用而言是一个极其重要的问题。例如，在汽车领域，它是用于驾驶员注意力监控的使能技术。在本文中，我们通过以回归方式工作的深度学习网络来解决姿态估计问题。传统方法通常依赖于视觉面部特征，如面部标志点或鼻尖位置。相比之下，我们利用卷积神经网络 (CNN) 直接从深度数据执行头部姿态估计。我们利用 Siamese 架构，并提出了一种新颖的损失函数来改进回归网络层的学习。该系统已在两个公共数据集 Biwi Kinect Head Pose 和 ICT-3DHP 数据库上进行了测试。报告的结果证明了相对于当前 SOTA 方法的准确率提升以及整体框架的实时能力。
关键词
引用
@article{arxiv.1703.03624,
title = {From Depth Data to Head Pose Estimation: a Siamese approach},
author = {Marco Venturelli and Guido Borghi and Roberto Vezzani and Rita Cucchiara},
journal= {arXiv preprint arXiv:1703.03624},
year = {2017}
}
备注
VISAPP 2017. arXiv admin note: text overlap with arXiv:1703.01883