1.一种基于支持向量回归的视觉映射方法,该方法包括:
步骤1:根据实际问题采集N幅输入图像,并根据采集每幅图像时标定各图像对应的目标值;
步骤2:将步骤1中得到的图像提取视觉特征,并记任意第n幅图像对应的视觉特征向量D表示视觉特征向量的维数;
步骤3:将所有N幅图像对应特征向量按顺序排列可以得到输入数据矩阵X,即X=[x1,x2,...,xN];
步骤4:将N幅图像对应的目标值向量按顺序排列为数据矩阵y,即Y=[y1,y2,...yN];
步骤5:为了方便叙述,假设yn为一维的情况下,介绍支持向量回归模型,当实际输入yn为高维时,则依次按维数建立支持向量回归模型;具体来讲,支持向量机回归假设输入与输出之间存在下述关系:
w=[w1,w2,...,wN]T为权向量,w0为偏差,εn为噪声,k(xn,xi)为度量xn和xi之间距离的核函数,支持向量机回归规定在给定阈值∈的情况下,w,w0的最优解满足以下目标式的取值最小,
其中C表示向量回归中控制回归误差容忍程度的参数,函数E∈(y(xn)-yn)的表达式为:
∈表示根据实际情况设定的阈值;
步骤6:建立步骤3和4中得到的所有图像的视觉特征及其对应估的目标值之间的回归模型,利用LIBSVM工具包求解回归参数w和w0,在求解时所使用的核函数类型为RBF类型;
步骤7:对于测试图像,我们按照步骤2中的方法对其进行梯度方向直方图特征提取,最后利用步骤6中得到的参数w和w0估计目标值
k(·,·)为RBF核函数。
2.如权利要求1所述的一种基于支持向量回归的视觉映射方法,其特征在于所述步骤1中进一步的,所述步骤1中,如果为头部姿态估计问题,N幅输入图像即为N幅头部图像,标定值则为头部姿态yn,yn的第一维表示俯仰角,第二维表示倾斜角,第三维表示旋转角,下标n表示第n幅图像对应的姿态;如果是身体姿态估计问题,输入图像为身体图像,目标值为身体各部分之间的角度,如果是视线估计问题,输入图像为眼部图像,目标值为视线方向:水平方向角度和垂直方向角度。