李维清，陈锻生

(华侨大学 计算机科学与技术学院，福建 厦门 361021)

头部姿态估计是计算机视觉和图像模式识别领域中的一个重要研究课题，近年来受到了越来越多的关注[1]。在人脸识别中，如果得到的人脸图像是非正面的，识别的效果会大大降低，而如果预先估计人脸姿态后选择合适的视角模型进行识别，将会提高非正面人脸的识别率[2]。由于通过人脸的姿态可以得知人注视的方向，所以姿态估计在理解人的注意力等方面有很高的研究价值。

对于头部姿态估计问题，现有的方法大致可分为基于表观的方法和基于模型的方法两大类[3]。基于表现的方法是通过对含有各种姿态的人脸图像进行学习，建立一个能够估计姿态的分类器。这种方法对图像的分辨率要求不高，并且不需要或者需要较少的面部特征点，能够估计角度较大范围的姿态。基于模型的方法是利用某种几何模型来表示人脸的结构和形状，并通过提取某些特征，在模型和图像之间建立起对应关系。这种方法严重地依赖于特征点的定位结果，当图像旋转较大角度时，部分面部特征将丢失，无法进行估计，所以估计的姿态范围较小。

1 基于流形学习的头部姿态估计

基于流形学习的头部姿态估计属于表观类方法，它的基本思想是考虑每个高维头姿态图像都处于一个有姿态变化的连续流形中。目前已经吸引了一些学者对它进行研究，例如HU N等人[4]提出了通过对特定人的姿态流形的学习，在假定姿态流形不变的情况下，利用预测网络来估计其他人的图像的姿态的方法；……