【文章內(nèi)容簡介】 ，在被檢測的BLOB橢圓中心在圖像幀n和假設(shè)的人臉正面姿態(tài)準(zhǔn)備階段發(fā)生。在實(shí)踐中的臉的正面視圖的初始位置可以導(dǎo)出了通過現(xiàn)有的人臉檢測器為[ 18 ]。模板是在n+1的基礎(chǔ)上估計的仿射參數(shù)和匹配的下一幀圖像的圖像幀更新。有關(guān)質(zhì)量，用于評估匹配結(jié)果的迭代次數(shù)的標(biāo)準(zhǔn)（假設(shè)快速收斂應(yīng)達(dá)到），在每一次迭代參數(shù)的大小的變化和參數(shù)的大小。同時，在參數(shù)值的變化（大小和符號）在每一次迭代得到的解的穩(wěn)定性觀察。圖3.（a）旋轉(zhuǎn)軸的頭在三維空間和（b）離面面貼片繞Y軸的頭。該轉(zhuǎn)換參數(shù)提供新的斑塊形狀和重心解收斂后。模板的初始位置和最終匹配位置之間的轉(zhuǎn)動是由差動旋轉(zhuǎn)角度的累積匹配每個連續(xù)的模板和補(bǔ)丁導(dǎo)出計算。在圖4中，px表示而且”補(bǔ)片寬度和p39。x是“39。變量”彌補(bǔ)寬度在兩個連續(xù)的圖像幀（圖4的中間和右邊的圖像）。在一個平面繞Y軸旋轉(zhuǎn)的發(fā)生，面部補(bǔ)丁移到新的位置和變形補(bǔ)丁p39。x px 其中x規(guī)模較小。x1，x’1是最小和最大的x坐標(biāo)的圖像而且補(bǔ)丁，假設(shè)相對于攝像機(jī)的臉的正面視圖，這樣px =（x’1 x1）。同樣，x2，x 2是最小和最x的圖像坐標(biāo)的39。變量”的補(bǔ)丁，這樣p39。x =（x’2 x2）。 圖4. 水平面方向的計算方法計算旋轉(zhuǎn)角度，假設(shè)頭近似球體，我們利用球面坐標(biāo)系（R；?；λ），其中R是球的半徑，?是從水平面角（垂直角）和λ是方位角(水平角）。它的垂直投影映射方程，即地圖投影，對應(yīng)于一個球體或球時直接從一定的距離與觀眾對齊平行于地球的z軸正方向軸的外觀，是由變換方程 其中（φ1；λ0）是用在垂直的透視投影和起源和P投影中心坐標(biāo)的透視點(diǎn)的球半徑的單位的距離和我們計算水平角λ參考λ0 = 0176。與φ= 0并且參考φ1 = 0176。因此由（10）得到從μx位置水平旋轉(zhuǎn)λh計算根據(jù)（14）和（15），其中μx位置對應(yīng)于在初始化貼片的中心坐標(biāo)圖5說明了時間匹配結(jié)果與LSM，人臉的跟蹤平面的水平旋轉(zhuǎn)。假設(shè)在圖6中描述的設(shè)置。用戶（在圖表的中心）和機(jī)器人站在一個場景中含有N個可見（由機(jī)器人和用戶）感興趣的P1， P2，…，Pn（在這個特定的例子里n = 8）周圍的用戶和機(jī)器人。我們認(rèn)為我們知道用戶點(diǎn)的N個景點(diǎn)（如對話框經(jīng)理提供此信息）但我們不知道這正是這一點(diǎn)。每個POI可能構(gòu)成的指向。設(shè)X是普遍的：這是包含所有可見的興趣點(diǎn)的集合，也被稱為識別框架（16）發(fā)電機(jī)組2x是集，包括的所有子集X，包括空集φ和整個集合X的冪集元素可以被用來代表的指向命題。每一個命題包含該命題成立的景點(diǎn)，它分配一個質(zhì)量（信念量）的功能是：2x→[0,1]稱為一個基本信念分配，它有兩個屬性：*質(zhì)量（大量的信念）的空集合為零： *根據(jù)功率所有成員群眾集總計達(dá)共1：在手頭的任務(wù)，用戶提出了他的手，指向一個展覽pi,1≤i≤n同時轉(zhuǎn)動他/她的臉看展覽的方向，在3節(jié)中描述。因此，兩個來源的信息存在：從手指手勢和信息的人臉定位信息。每兩個來源的信息有一個獨(dú)立的基本信念分配。讓mf表示從人臉姿態(tài)估計和mh的信念代表從手指向的信念。結(jié)合這兩個來源的信息，我們利用Dempster組合規(guī)則的證據(jù)。它是要注意這一點(diǎn)，建議制定允許我們指定的群眾，包含多個景點(diǎn)的命題。例如，讓我們假設(shè)的手勢識別器識別出用戶點(diǎn)向左但不能鑒別性用戶是否點(diǎn)出P2，P3和P4。DemsterShaffer理論允許我們指定一個信念（例如，mh）的命題“用戶指向一個的P2，P3或P4”；然后這個信仰沒有同樣的“斷裂”這一信念的每個的P2，P3和P4；我們將不得不做如果我們工作的概率（；P3，P4，；這是一個假設(shè)，超出我們的觀察）。根據(jù)Dempster組合規(guī)則，接頭質(zhì)量mf；h可計算為正交和（交換性和結(jié)合性）的兩個群眾，如下：其中K是一個歸一化系數(shù)是用來評估兩個大規(guī)模集之間的沖突的數(shù)量，給出如下的：方程（20）提供了一種用于每個POI A1結(jié)合的信念質(zhì)量作為所有證據(jù)mf功能（A2）和mh（A3）同意在A1 ，A2和A3。是普遍設(shè)置x為 A1 = A∩A3亞群。具有較大的組合質(zhì)量的POI作為一指出用戶。它是在這一點(diǎn)上說明，這項工作背后的假設(shè)用戶同時看和指向同一個具有消除沖突證據(jù)的情況下，根據(jù)Zadeh的鑒定[ 40 ]對Dempster規(guī)則的組合，可能導(dǎo)致（20）產(chǎn)生反直覺的結(jié)果。在接下來的兩部分，我們將闡述mh和mf的實(shí)際計算。手指向手勢識別，我們假設(shè)系統(tǒng)知道當(dāng)一個動作發(fā)生而只能如果它在區(qū)間[φhmin；φhmax] ∪[φhmax；φhm]?。如果一個“左指向”的手勢是公認(rèn)的，我們假設(shè)用戶是指向一個POI在[φhmax；φhmin]（P 6或P7在圖6的示例）。同樣，如果一個“39。右指向”手勢是公認(rèn)的，我們假設(shè)用戶是指向一個POI在[φhmin；φhmax]?（P 3或P4）。如果沒有公認(rèn)的手勢，我們假設(shè)用戶指出，除了這兩個時間點(diǎn)（“中間指向”）有信念質(zhì)量mh0 = mh（{ P1，P2，P5，P 8 }）。為“中心指向”的情況下，在圖6的例子，用戶可能已經(jīng)指出，任何P1 P2 P5和P 8；。根據(jù)公認(rèn)的手指手勢（“左指向”，“右指向”）或事實(shí)的手勢是“隱形” ，不同信仰的群眾分配給左邊的展品，展品在權(quán)利和展品在前面和后面的用戶為其中的一個無法識別指向手勢。在圖6的例子，這些信仰群眾的定義如下：mhL=mh({P6，P7})mhR=mh({P3，P4})mhC=mh({P1，P2，P5，P8})得到mhL +mhR +mhC=1指定集對應(yīng)的“左指向”，“右指向”和“中間指向”的方向和定義群眾mhL；mhR和mhC因此，我們使用特定的定義值φhmin和φhmax。這些值被作為φhmin=140176。，和φHmax=40176。大致對應(yīng)于角超過這一限額的手指手勢不可識別的計算。設(shè)G是由用戶執(zhí)行的實(shí)際的姿態(tài)，讓GO是手勢識別（或沒有）的系統(tǒng)。G值在HG = { “左指向 ”，“ 右指向”“中間指向”}和GO的值在HO = { “左指向”，“右指向”，39。39。無信號”}。給群眾mhL,mhR和mhC，我們計算的概率P（G =“左指向”｜GO），P（G =“右指向”｜GO）和P（G =“中間指向”｜GO），分別采用Bayess規(guī)則計算：在上述方程P240。G222。計算可見景點(diǎn)數(shù)量屬于G除以可見景點(diǎn)總數(shù)的可能。P240。去JG222。得到脫線和對應(yīng)的時間指點(diǎn)手勢的百分比是去給實(shí)際的姿態(tài)是G的實(shí)際值計算在我們的實(shí)驗(yàn)總結(jié)在表2中的混淆矩陣。人臉定位，我們認(rèn)為它只能在[φfmax，φfmax]范圍內(nèi)。，此外，這些信息可以用來識別目標(biāo)表現(xiàn)出我有信仰，mf（｛pi｝）。如果面對的方向不能計算，我們假設(shè)一個信仰mfo=mf({P1,P2,P8})，臉看著外面[Φfmax，φfmax]?。因?yàn)閙f是一個基本信念分配，我們確保下列等式。同樣的手指手勢，把群眾的mf，我們使用的條件概率為用戶查看每個POI Pi的感知人臉定位φO，計算：在任何先驗(yàn)信息的缺失，P(Pi)分配給所有我平等的價值觀的可能性，P（φO｜Pi）根據(jù)Pi與尊重用戶的相對角的計算。確切的值被發(fā)現(xiàn)通過插值數(shù)據(jù)離線，存儲為一個混淆矩陣（圖7）。指向結(jié)果的定量評價是困難的崇拜因?yàn)槿狈Φ孛嬲胬淼目煽?。為了克服這個困難，我們進(jìn)行了定量評價，通過設(shè)置一系列涉及用戶在腳本的情況下進(jìn)行的實(shí)驗(yàn)。根據(jù)該方案，用戶站在預(yù)定義的方向在機(jī)器人和點(diǎn)前（指定景點(diǎn)）用他的手和臉。該景點(diǎn)是定義在0176。177。 180176。范圍在10176。的角距離。每一個指向手勢，該系統(tǒng)識別人臉的定位和它將手勢為左或右指向手勢。人臉定位樣本識別結(jié)果如圖8所示。圖7的混淆矩陣是絕對（左、右）估計頭方向的預(yù)定的頭的方向，范圍在0176。177。180176。百分比均來自7000個圖像幀序列圖像?？梢院苋菀椎乜吹剑撍惴▽?shí)現(xiàn)了較高的成功率，對于小角度（用戶看起來在方向接近相機(jī)的方向），降低大角度（用戶看起來離相機(jī)）。該算法能夠保持顯著的成功率（50%以上）即使角度可達(dá)120176。，只有面部補(bǔ)丁的一小部分是可見的。手指向手勢一直被公認(rèn)為指向的方向正確的范圍內(nèi) [ 30176。，130176。]和[ 130176。， 30176。]?。表2手指向手勢混淆矩陣GO G左指向 中間指向 右指向 左指向 隱形 右指向 圖7?；煜仃嚲幋a感知臉部方向（行）為每個預(yù)定的人臉定位（列）在0176。177。180176。范圍?；|(zhì)含有數(shù)據(jù)的左和右指向。顯然，一個標(biāo)識指出景點(diǎn)而不是指向方向算法的性能取決于環(huán)境和泊松分布的結(jié)構(gòu)內(nèi)。對不同環(huán)境的安排下，所提出的方法的性能，我們在三個不同的模擬環(huán)境下進(jìn)行了一系列的實(shí)驗(yàn)，在圖中描繪的圖9和10。的第一環(huán)境，如