针对头部姿态估计准确率在实际应用中易受到光照、遮挡等干扰因素的影响以及大量运算导致算法运行
速度较低的问题,提出了多尺度卷积神经网络的头部姿态估计算法。通过使用不同尺度的卷积核对输入的头部
姿态图片进行特征提取,丰富了图像特征的同时保留了图像信息,增强算法对干扰因素的鲁棒性。同时引入 1x1
卷积对网络结构参数进行降维,降低系统的运算量,提高算法的时效性。实验结果表明,本文提出的算法在 Pointing ‘04 和 CAS-PEAL-R1 数据库的识别率分别为 96.5%和 98.9%,对于光照、表情、遮挡等干扰表现出较 好的鲁棒性,具有较好的运行速度