用于面部标注的非线性动力学系统：头部跟踪与姿态估计
计算机视觉与模式识别
2025-02-24 v1
摘要
面部特征点跟踪在面部识别、表情分析和医学诊断等应用中发挥着关键作用。本文考察了Extended Kalman Filter（EKF）和Unscented Kalman Filter（UKF）在面部3D运动跟踪中确定性和随机性环境下的性能。我们首先分析了无噪声环境，其中状态转移纯粹是确定性的，表明UKF由于能够捕捉更高阶非线性，实现了较低的均方误差（MSE）。然而，当引入随机噪声后，EKF表现出更好的鲁棒性，保持较低的均方误差（MSE），而UKF对测量噪声和遮挡更为敏感。我们的结果表明，UKF适用于受控环境中的高精度应用，而EKF更适合于具有不可预测噪声的现实场景。这些发现为在3D面部跟踪应用（如运动捕捉和面部识别）中选择合适的滤波技术提供了实际见解。
引用
@article{arxiv.2502.15179,
title = {Nonlinear Dynamical Systems for Automatic Face Annotation in Head Tracking and Pose Estimation},
author = {Thoa Thieu and Roderick Melnik},
journal= {arXiv preprint arXiv:2502.15179},
year = {2025}
}
备注
25 pages, 10 figures