典型文献
基于YOLOv3模型的人脸检测与头部姿态估计融合算法
文献摘要：
针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3模型的人脸检测与头部姿态估计融合算法.通过K-means聚类方法对训练集中人脸区域的尺寸进行聚类,得出9组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程.在CAS-PEAL-R1姿态子集上取得99.23％的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差.结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性.
文献关键词：
头部姿态估计;YOLOv3模型;K-means;多尺度检测;深度学习
中图分类号：
作者姓名：
李永杰;周桂红;刘博
作者机构：
河北农业大学 信息科学与技术学院,河北 保定071001;河北省农业大数据重点实验室(河北农业大学),河北 保定071001
文献出处：
引用格式：
[1]李永杰;周桂红;刘博-.基于YOLOv3模型的人脸检测与头部姿态估计融合算法)[J].广西师范大学学报（自然科学版）,2022(03):95-103
A类：
PEAL
B类：
YOLOv3,人脸检测,头部姿态估计,估计融合,融合算法,对头,难于,学习问题,两阶段,中流,误差累积,means,聚类方法,训练集,寸进,拟真,真实情况,不同层次,特征图,多尺度检测,端到端,处理流程,CAS,R1,子集,预测准确率,Pointing,pitch,yaw,平均绝对误差,出色完成,区域检测
AB值：
0.259889
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
