用于头部姿态估计的粗-细混合分类方法
计算机视觉与模式识别
2019-10-04 v2
摘要
头部姿态估计从人体计算内在欧拉角（偏航、俯仰、翻滚），对视线估计、人脸对齐和三维重建至关重要。传统方法严重依赖面部关键点的准确性。这限制了其性能，尤其在面部可见性不佳时。本文中，为在无面部关键点情况下进行估计，我们将粗回归与细回归输出结合用于一个深度网络。利用更多角度量化单元，在其它辅助粗单元帮助下训练一个细分类器。采用回归集成以获得最终预测。所提方法在三个具有挑战性的基准上评估。其在AFLW2000、BIWI上达到SOTA，在AFLW上表现良好。代码已发布于Github。
引用
@article{arxiv.1901.06778,
title = {Hybrid coarse-fine classification for head pose estimation},
author = {Haofan Wang and Zhenghua Chen and Yi Zhou},
journal= {arXiv preprint arXiv:1901.06778},
year = {2019}
}
备注
5 pages