基于部分潜在线性混合回归的鲁棒头部姿态估计

头部姿态估计有许多应用，例如社交事件分析、人机交互与人人机交互、驾驶辅助等。头部姿态估计具有挑战性，因为它必须应对变化的光照条件、面部朝向和外观的变化、面部标志点的部分遮挡以及边界框到人脸的对齐误差。我们提出使用具有部分潜在输出的线性混合回归。该回归方法学习将高维特征向量（从人脸边界框中提取）映射到头部姿态角度和边界框偏移的联合空间，从而在未观测现象存在时也能鲁棒预测。我们详细描述了结合无监督流形学习技术与回归混合优点的映射方法。我们使用三个公开可用数据集验证我们的方法，并将所提算法的四种变体与几种最先进的头部姿态估计方法进行了彻底基准比较。