摘 要： 局部嵌入分析(LEA)是圖嵌入化的局部線性嵌入(LLE)方法,。在頭姿態(tài)估計問題上,，選擇局部鄰域時只考慮屬于同一類的姿態(tài)，但失去了相鄰姿態(tài)的幾何拓撲信息,。為此,，提出一種改進的鄰域選擇方法，充分利用先驗姿態(tài)信息,，使降維后的流形更加平滑,，同類姿態(tài)互相靠近，不同類姿態(tài)之間的距離隨著姿態(tài)差值變大而增大,，且能夠使訓(xùn)練及測試樣本的低維流形更加靠近,，降低了估計誤差。在Facepix人臉數(shù)據(jù)庫上的實驗證明了該方法的有效性,。
關(guān)鍵詞： 頭部姿態(tài)估計,；流形學(xué)習(xí)；圖嵌入,；局部嵌入分析,；局部線性嵌入
頭部姿態(tài)估計是計算機視覺和圖像模式識別領(lǐng)域中的一個重要研究課題，近年來受到了越來越多的關(guān)注[1],。在人臉識別中，如果得到的人臉圖像是非正面的,，識別的效果會大大降低,，而如果預(yù)先估計人臉姿態(tài)后選擇合適的視角模型進行識別,，將會提高非正面人臉的識別率[2]。由于通過人臉的姿態(tài)可以得知人注視的方向,，所以姿態(tài)估計在理解人的注意力等方面有很高的研究價值,。
對于頭部姿態(tài)估計問題，現(xiàn)有的方法大致可分為基于表觀的方法和基于模型的方法兩大類[3],?；诒憩F(xiàn)的方法是通過對含有各種姿態(tài)的人臉圖像進行學(xué)習(xí)，建立一個能夠估計姿態(tài)的分類器,。這種方法對圖像的分辨率要求不高,，并且不需要或者需要較少的面部特征點，能夠估計角度較大范圍的姿態(tài),?；谀Ｐ偷姆椒ㄊ抢媚撤N幾何模型來表示人臉的結(jié)構(gòu)和形狀，并通過提取某些特征,，在模型和圖像之間建立起對應(yīng)關(guān)系,。這種方法嚴重地依賴于特征點的定位結(jié)果，當圖像旋轉(zhuǎn)較大角度時,，部分面部特征將丟失,，無法進行估計，所以估計的姿態(tài)范圍較小,。
1 基于流形學(xué)習(xí)的頭部姿態(tài)估計
基于流形學(xué)習(xí)的頭部姿態(tài)估計屬于表觀類方法,，它的基本思想是考慮每個高維頭姿態(tài)圖像都處于一個有姿態(tài)變化的連續(xù)流形中。目前已經(jīng)吸引了一些學(xué)者對它進行研究,，例如HU N等人[4]提出了通過對特定人的姿態(tài)流形的學(xué)習(xí),，在假定姿態(tài)流形不變的情況下，利用預(yù)測網(wǎng)絡(luò)來估計其他人的圖像的姿態(tài)的方法,；FU Y[5]等使用了圖嵌入GE(Graph Embedding)[6]結(jié)合流形學(xué)習(xí)算法進行人臉的姿態(tài)估計研究,。
流形學(xué)習(xí)LLE[7](Locall Linear Embedding)算法是通過建立局部鄰域權(quán)重圖將數(shù)據(jù)由高維降至低維，但其鄰域均采集自同一流形,，對于姿態(tài)估計,，這將導(dǎo)致姿態(tài)估計與人有關(guān)。FU Y[5]等人提出了一種改進的LLE即LEA(Locall Embed Analysis)：利用數(shù)據(jù)集的已知類別信息選擇局部鄰域時,，只考慮屬于同一類(即同一姿態(tài))的數(shù)據(jù)點,，并結(jié)合圖嵌入理論，使改進后的LLE近似線性,。這樣對于姿態(tài)估計將大大提高姿態(tài)估計的身份無關(guān)性,。但這又帶來一個新的問題：屬于同一類的數(shù)據(jù)集映射到低維空間中后，退化成為一點，失去了幾何拓撲信息,，并且所有鄰域均為同類樣本(即不同人的相同姿態(tài)),，這使得降維后的流形失去了其相鄰姿態(tài)間的平滑性。
本文對FU Y等人提出的LEA方法做了進一步的改進：由于鄰域的選擇是流形學(xué)習(xí)算法至關(guān)重要的第一步,，關(guān)系到鄰域樣本權(quán)值的計算及最后的降維結(jié)果,。因此，本文在構(gòu)造鄰域時通過改進鄰域距離表示方法,，更好地選擇鄰域,，使樣本的鄰域更好地重構(gòu)樣本本身，以解決LEA降維后的流形不能很好地保持高維時所具有的幾何拓撲結(jié)構(gòu)的不足,，并使訓(xùn)練流形和測試流形更加靠近,，減少姿態(tài)估計誤差。
對于頭部姿態(tài)估計問題,，本文提出算法的流程為：
(1)訓(xùn)練姿態(tài)流形
?、俨眉魣D片，使圖片僅包含頭部姿態(tài)部分,，并對圖片預(yù)處理,、歸一化，使所有圖片有相同大小,。
?、谔崛√卣髯鳛橛?xùn)練特征(也可以不提取，直接用圖片像素作為特征),，并將特征用一個列向量來表示,。
③根據(jù)式(6)計算樣本點之間的距離,，求出鄰域矩陣,，接著求解式(3)，計算權(quán)值矩陣,，然后求解式(5)計算投影矩陣P,。
④應(yīng)用Y=PTX,，計算低維映射Y,。
(2)測試樣本姿態(tài)估計
①同訓(xùn)練步驟①,，對測試圖片進行裁剪,、預(yù)處理、歸一化等操作,。
?、趹?yīng)用投影矩陣P計算出測試樣本的低維表示,。
③應(yīng)用KNN分類器估計測試樣本姿態(tài),。
5 實驗
5.1 人臉庫
為了驗證算法的有效性,，本文在FacePix人臉姿態(tài)數(shù)據(jù)庫上進行了實驗。FacePix人臉庫是2005年由CUbiC(the Center for Cognitive Ubiquitous Computing),、Arizona State University提供，該人臉庫包含了不同姿態(tài),、不同光照的人臉,，本文只介紹不同姿態(tài)的圖片：具體為30人，每人181張不同姿態(tài)的人臉圖像,，姿態(tài)范圍為水平方向上從-90°~90°(負的表示向左旋轉(zhuǎn)),，間隔為1°，共計5 430張分辨率為128×128的彩色人臉圖像,。本文將圖片裁剪為32×32(人臉庫中的第16,、21、27三人由于圖像采集不好,，未被納入實驗中)大小的圖片,。人臉庫樣例及低維可視化流形如圖1所示。
5.2 實驗結(jié)果及分析
(1)低維可視化效果
圖1(a)是FacePix人臉庫經(jīng)裁剪后的部分樣例圖,，按照每行為同一人,，每列為同一姿態(tài)排列，姿態(tài)從左到右分別為-90°,、-60°,、-30°、0°,、30°,、60°、90°,；圖1(b)是FacePix人臉庫中第一個人的181張姿態(tài)圖像經(jīng)本文改進的LEA算法降維后的三維嵌入流形,，嵌入流形的圖片姿態(tài)按照-90°、-60°,、-30°,、0°、30°,、60°,、90°排列，鄰域K=80,，特征為裁剪并處理后的灰度圖,。由圖1(b)可以看出,，不同姿態(tài)處在低維不同位置，且按照姿態(tài)順序呈流形分布,。
(2)頭部姿態(tài)實驗
訓(xùn)練及測試樣本三維流形如圖2所示,，圖2實驗選取的特征均為裁剪并處理后的灰度圖。圖2(a)為LEA算法的低維嵌入圖,，鄰域k=8,，圖中顏色較深的線為人臉庫中前9個人的流形，為訓(xùn)練流形,；顏色較淺的線為中間9個人應(yīng)用訓(xùn)練出的投影矩陣P投影后的結(jié)果,，為測試流形。圖2(b)為本文改進后的算法的嵌入圖,，鄰域k=13,，圖中不同顏色的含義同圖2(a)。通過圖中效果比對可以看出,，改進后的算法更能使測試樣本和訓(xùn)練樣本的相同姿態(tài)靠近,，利于分類誤差的降低。
對LEA算法和改進后的算法做相同條件下的對比試驗,。分別選取FacePix人臉庫中前9人,、前12人、前15人,、前18人做訓(xùn)練樣本,，對應(yīng)的后18人、后15人,、后12人,、后9人做測試樣本，每人181張圖片,。由于改進后的算法仍是基于LLE算法的,，所以鄰域、嵌入維數(shù)以及參與訓(xùn)練的圖片數(shù)對實驗效果均有一定影響,。實驗中的特征均為裁剪并處理后的灰度圖,。表1為實驗的姿態(tài)估計平均誤差表。
圖3中實驗為：低維維度m=14,，訓(xùn)練樣本為9個人1 629張圖片,，測試樣本為18個人3 258張圖片，LEA算法鄰域取k=8,，改進算法鄰域取k=10,。圖中實線為LEA算法姿態(tài)估計誤差，其平均誤差為3.44°,；虛線為改進算法姿態(tài)估計誤差,，其平均誤差為2.99°(如表1所示),。
從表1及圖3可以看出，改進后的算法與原來的算法相比,，其誤差降低不少,。主要原因：如圖2所示，由于LEA算法的鄰域取自同姿態(tài)樣本,，其缺點是降維后同類樣本重合在一起,，理論上是類間距離越小越好。但是由于人的差異性,，同樣的姿態(tài)不同的人會有差距,，所以導(dǎo)致訓(xùn)練出的流形與測試樣本的流形有很大差距。改進算法由于適當擴大鄰域,，既包括同類樣本又包括姿態(tài)相近的樣本，這樣訓(xùn)練流形與測試流形的差距就會縮小,。
本文提出了一種對局部嵌入分析(LEA)算法改進的頭部姿態(tài)估計方法(即一種新的鄰域選擇方法),，在鄰域選擇時充分利用先驗姿態(tài)信息，使降維后流形更加符合高維時的姿態(tài)間的幾何關(guān)系,，降低姿態(tài)估計誤差,。由實驗可知，本文對LEA算法改進的有效性,。然而由于流形學(xué)習(xí)算法的實驗結(jié)果與參數(shù)(如鄰域k,、降維維度m等)有很大有關(guān)，并且數(shù)據(jù)庫由于圖像裁剪不同,，實驗效果也不盡相同,，因此算法還有待進一步的研究與探討。
參考文獻
[1] CHUTORIAN E M,， TRIVEDI M M. Head pose estimation in computer vision： a survey[J]. IEEE transactions on Pattern Analysis and Machine Intelligence,， 2009，31(4)：607-626.
[2] LI S Z,， FU Q D. Kernal machine based learning for multi-view face detection and pose estimation[C]. Proceedings of 8th IEEE International Conference on Computer Vision. Vancouver,， Canada： 2001.
[3] 馬丙鵬. 基于表觀的人臉姿態(tài)估計問題研究[M].北京：中國科學(xué)院，2009.
[4] HU N,， HUANG W,， RANGANATH S. Head pose estimation by non-linear embedding and mapping[C]. Proceeding. IEEE International Conference on Image Processing. 2005.
[5] FU Y， HUANG T S. Graph embedded analysis for head pose estimation[C]. Proceeding. IEEE International Conference on Automatic Face and Gesture Recognition. 2006.
[6] YAN S,， XU D,， ZHANG B， et al. Graph embedding： a general framework for dimensionality reduction[C]. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2005.
[7] ROWEIS S,，SAUL L. Nonlinear dimensionality reduction by locally linear embedding [J]. Science,， 2000,，290：2323-2326．