一种头部姿态估计方法及装置、计算机可读存储介质、终端，所述方法包括：从相机采集的目标图像中确定头部区域图像；基于头部区域图像进行头部旋转程度预测，以确定头部旋转矩阵；基于所述头部区域图像的中心点，确定第一变换矩阵，所述第一变换矩阵用于指示成像坐标系与相机坐标系之间的旋转变换关系；采用所述第一变换矩阵对所述头部旋转矩阵进行坐标空间变换，得到第一头部姿态矩阵；基于所述第一头部姿态矩阵，确定头部姿态角度。上述方案有助于提高头部姿态估计结果的准确性。提高头部姿态估计结果的准确性。提高头部姿态估计结果的准确性。
【技术实现步骤摘要】
头部姿态估计方法及装置、计算机可读存储介质、终端
[0001]本专利技术涉及目标姿态分析
，尤其涉及一种头部姿态估计方法及装置、计算机可读存储介质、终端。
技术介绍
[0002]头部姿态估计是从数字图像或视频图像中推断出人的头部偏转角度的过程，这种技术在人脸识别、人机交互、驾驶等领域具有广泛的应用。例如，在驾驶技术中，驾驶员存在疲劳打哈欠、东张西望、低头看手机等不安全驾驶行为时，头部偏向角度会明显增大，因此可以通过检测驾驶员的头部姿态来判断驾驶员是否分心，并做出相应地提醒。
[0003]现有技术中，主要存在如下头部估计方法：
[0004](1)基于人脸关键点的人头姿态估计。通过对相机采集的人脸图像确定几个2D关键点信息，然后基于对关键点信息的分析，确定头部姿态。如果人脸区域或头部区域不够完整，或者被物体遮挡，则可能导致关键点检测与分析结果不准确。
[0005](2)基于姿态角或欧拉角的人头姿态估计。已有方法通常基于“采集对象的头部中心与相机的光心重合”(或者，光心指向采集对象的头部中心的向量与相机的光轴方向重合)这种假设。然而，受相机的安装位置、安装角度、驾驶员的实际坐姿等影响，在图像采集中，采集对象的头部中心很可能不位于光轴上，并且，根据相机的小孔成像原理，不同的图像区域得到的人头姿态也会有所区别。因此，这种方法估计得到的头部姿态角度的准确性仍不够高。
技术实现思路
[0006]本专利技术实施例解决的技术问题是如何提高头部姿态估计结果的准确性。
[0007]为解决上述技术问题，本专利技术实施例提供一种头部姿态估计方法，包括以下步骤：从相机采集的目标图像中确定头部区域图像；基于头部区域图像进行头部旋转程度预测，以确定头部旋转矩阵；基于所述头部区域图像的中心点，确定第一变换矩阵，所述第一变换矩阵用于指示成像坐标系与相机坐标系之间的旋转变换关系；采用所述第一变换矩阵对所述头部旋转矩阵进行坐标空间变换，得到第一头部姿态矩阵；基于所述第一头部姿态矩阵，确定头部姿态角度。
[0008]可选的，基于所述第一头部姿态矩阵，确定头部姿态角度，包括：采用所述相机坐标系和车辆坐标系之间的第二变换矩阵，对所述第一头部姿态矩阵进行坐标空间变换，得到第二头部姿态矩阵；根据所述第二头部姿态矩阵，确定所述头部姿态角度。
[0009]可选的，基于所述头部区域图像的中心点，确定第一变换矩阵，包括：根据所述相机的焦距，以及所述中心点在所述头部区域图像的图像坐标系中的坐标，确定所述中心点映射至所述相机坐标系中的映射点，并将所述相机的光心指向所述映射点的向量，记为第一向量；确定所述第一向量与所述相机的光轴方向上的单位向量之间的向量夹角；对所述第一向量与所述相机的光轴方向上的单位向量进行叉乘，得到第二向量；根据所述向量夹
角和所述第二向量，确定所述第一变换矩阵。
[0010]可选的，采用下述公式，根据所述相机的焦距，以及所述中心点在所述头部区域图像的图像坐标系中的坐标，确定所述中心点映射至所述相机坐标系中的映射点:
[0011][0012]采用下述公式，确定所述第一向量与所述相机的光轴方向上的单位向量之间的向量夹角：
[0013][0014][0015][0016]采用下述公式，对所述第一向量与所述相机的光轴方向上的单位向量进行叉乘，得到第二向量：
[0017][0018]其中，f表示相机的焦距，u表示所述中心点在头部区域图像的图像坐标系中的横坐标，v表示所述中心点在头部区域图像的图像坐标系中的纵坐标，表示所述相机的光心指向所述映射点的向量，即第一向量，x
c
,y
c
,z
c
分别表示所述映射点在x轴，y轴，z轴上的坐标值，表示所述相机的光轴方向上的单位向量，i,j,k分别表示所述相机坐标系的x轴，y轴，z轴上的单位向量；θ表示所述第一向量与所述相机的光轴方向上的单位向量之间的向量夹角，表示第二向量。
[0019]可选的，根据所述向量夹角和所述第二向量，确定所述第一变换矩阵，包括：对所述第二向量进行归一化处理，得到归一化后的向量；基于所述向量夹角和所述归一化后的向量进行矩阵转换，以得到所述第一变换矩阵。
[0020]可选的，基于头部区域图像进行头部旋转程度预测，以确定头部旋转矩阵，包括：将所述头部区域图像输入预设的头部旋转分量预测模型，得到头部旋转分量预测值；对所述头部旋转分量预测值进行矩阵变换，得到所述头部旋转矩阵；其中，所述头部旋转分量预测模型是采用多帧头部区域样本图像作为训练数据集，对初始化模型进行有监督地训练得到的；其中，所述训练数据集中的至少一部分头部区域样本图像标注有旋转分量标签。
[0021]可选的，所述方法还包括：采用第一预设时长内针对同一用户采集的多帧目标图像对应的头部姿态角度，进行平均运算得到头部姿态角度平均值，然后根据所述头部姿态角度平均值与第一预设阈值的比较结果，对所述用户的行为进行评估；或者，对第二预设时长内针对同一用户采集的多帧目标图像，确定头部姿态角度大于等于第二预设阈值的目标图像的数量，并确定该数量与所述第二预设时长内采集的目标图像的总数量的比例，然后根据所得到的比例与预设比例的比较结果，对所述用户的行为进行评估。
[0022]本专利技术实施例还提供一种头部姿态估计装置，包括：头部区域图像确定模块，用于
从相机采集的目标图像中确定头部区域图像；头部旋转矩阵确定模块，用于基于头部区域图像进行头部旋转程度预测，以确定头部旋转矩阵；第一变换矩阵确定模块，用于基于所述头部区域图像的中心点，确定第一变换矩阵，所述第一变换矩阵用于指示成像坐标系与相机坐标系之间的旋转变换关系；坐标空间变换模块，用于采用所述第一变换矩阵对所述头部旋转矩阵进行坐标空间变换，得到第一头部姿态矩阵；头部姿态角度确定模块，用于基于所述第一头部姿态矩阵，确定头部姿态角度。
[0023]本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述头部姿态估计方法的步骤。
[0024]本专利技术实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述头部姿态估计方法的步骤。
[0025]与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：
[0026]本专利技术实施例提供一种头部姿态估计方法，从相机采集的目标图像中确定头部区域图像；基于头部区域图像进行头部旋转程度预测，以确定头部旋转矩阵；基于所述头部区域图像的中心点，确定第一变换矩阵，所述第一变换矩阵用于指示成像坐标系与相机坐标系之间的旋转变换关系；采用所述第一变换矩阵对所述头部旋转矩阵进行坐标空间变换，得到第一头部姿态矩阵；基于所述第一头部姿态矩阵，确定头部姿态角度。
[0027]由于在实际图像采集中，采集对象的头部中心很可能与光心不重合(即，头部中心并不位于光轴上)，因此在本专利技术实施例中，采用基于头部区域图像的中心本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种头部姿态估计方法，其特征在于，包括：从相机采集的目标图像中确定头部区域图像；基于头部区域图像进行头部旋转程度预测，以确定头部旋转矩阵；基于所述头部区域图像的中心点，确定第一变换矩阵，所述第一变换矩阵用于指示成像坐标系与相机坐标系之间的旋转变换关系；采用所述第一变换矩阵对所述头部旋转矩阵进行坐标空间变换，得到第一头部姿态矩阵；基于所述第一头部姿态矩阵，确定头部姿态角度。2.根据权利要求1所述的方法，其特征在于，基于所述第一头部姿态矩阵，确定头部姿态角度，包括：采用所述相机坐标系和车辆坐标系之间的第二变换矩阵，对所述第一头部姿态矩阵进行坐标空间变换，得到第二头部姿态矩阵；根据所述第二头部姿态矩阵，确定所述头部姿态角度。3.根据权利要求1所述的方法，其特征在于，基于所述头部区域图像的中心点，确定第一变换矩阵，包括：根据所述相机的焦距，以及所述中心点在所述头部区域图像的图像坐标系中的坐标，确定所述中心点映射至所述相机坐标系中的映射点，并将所述相机的光心指向所述映射点的向量，记为第一向量；确定所述第一向量与所述相机的光轴方向上的单位向量之间的向量夹角；对所述第一向量与所述相机的光轴方向上的单位向量进行叉乘，得到第二向量；根据所述向量夹角和所述第二向量，确定所述第一变换矩阵。4.根据权利要求3所述的方法，其特征在于，采用下述公式，根据所述相机的焦距，以及所述中心点在所述头部区域图像的图像坐标系中的坐标，确定所述中心点映射至所述相机坐标系中的映射点:采用下述公式，确定所述第一向量与所述相机的光轴方向上的单位向量之间的向量夹角：角：角：采用下述公式，对所述第一向量与所述相机的光轴方向上的单位向量进行叉乘，得到第二向量：
其中，f表示相机的焦距，u表示所述中心点在头部区域图像的图像坐标系中的横坐标，v表示所述中心点在头部区域图像的图像坐标系中的纵坐标，表示所述相机的光心指向所述映射点的向量，即第一向量，x
c
,y
c
,z
c
分别表示所述映射点在x轴，y轴，z轴上的坐标值，表示所述相机的光轴方向上的单位向量，i,j,k分别表示所述相机坐标系的x轴，y轴，z轴上的单位向量；θ表示所述第一向量与所述相机的光轴方向上的单位向量之间的向量夹角，表示第二向量。5.根...
【专利技术属性】
技术研发人员：张艳晖，李洋洋，
申请(专利权)人：黑芝麻智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。