基于头部姿态估计的人机交互系统研究

作     者：廖巧珍 

作者单位：重庆邮电大学 

学位级别：硕士

导师姓名：张毅

授予年度：2016年

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：人机交互 头部姿态估计 二阶HOG CS-LBP 随机森林 

摘      要：随着人们对新的人机交互手段的需求日益增加,基于计算机视觉的人机交互技术成为当前研究的热点。头部的自由朝向能够非常自然地指示方向,基于头部姿态估计的人机交互可以让老年人和残障人士拥有自然、友好的无障碍交互方式。因此,基于头部姿态估计的人机交互系统研究具有深远的现实意义和应用前景。本文研究并实现了一种基于头部姿态估计的人机交互方法,通过设计人脸检测模块、人脸姿态特征提取模块和头部姿态估计模块实现头部姿态的识别。基于智能轮椅平台,设计并实现了一种基于头部姿态估计的人机交互系统。首先采用肤色分割结合AdaBoost算法实时完成人脸检测和定位,分离出图像中的多姿态人脸区域。针对头部姿态估计受光照变化、单一特征信息、噪声干扰等因素影响导致识别率低的问题,提出一种融合二阶HOG(Histogram of Oriented Gradient,梯度方向直方图)和CS-LBP(Center Symmetric Local Binary Pattern,中心对称局部二值模式)的人脸姿态特征提取方法。通过将二阶HOG提取的轮廓特征和CS-LBP提取的纹理特征进行融合,得到更有效的人脸姿态特征。同时本文还采用KPCA算法(Kernel Principal Component Analysis,核主成分分析)对融合的特征进行降维,进一步提升系统识别的实时性。然后针对随机森林(Random Forest,RF)算法由于引入两大随机过程导致算法的稳定性不强、容易陷入局部最优等问题,提出了一种改进蜜蜂交配优化的随机森林算法,构建了多姿态人脸分类器。通过引入改进的蜜蜂交配优化算法来动态改变随机森林中的决策树,以增强随机森林的多样性,提高随机森林的分类准确性与稳定性,最终实现头部姿态的准确估计。该头部姿态估计方法在FERET和CAS-PEALR1人脸库中的测试识别率分别高达96.16%和96.24%,且具有较强的稳定性。最后设计并实现了一种基于头部姿态估计的智能轮椅人机交互系统,将头部姿态识别结果转换成控制指令实现对智能轮椅的控制,并在不同光照环境下进行了重复性、对比性实验。实验结果表明,该头部姿态估计系统具有较好的鲁棒性与实时性。