基于计算机视觉的头部姿态估计作为自然人机交互领域的重要研究课题,受到越来越多研究人员的关注。到目前为止,头部姿态估计已经成功应用到汽车安全驾驶、门禁检测、视频会议、身份识别等多个重要领域。本文针对基于计算机视觉的头部姿态估计进行了深入研究。首先,提出了将肤色模型与灰度积分投影结合的方法来对人脸特征点进行检测;其次,对基于SDM模型的人脸对齐算法进行优化,根据人脸特征点位置变化求解头部姿态;最后,实现了头部姿态估计在汽车安全驾驶方面的应用。本文主要内容及创新点如下:1)本文通过视频图像中人脸特征点的位置变化求解头部姿态,所以人脸特征点检测的准确性与效率非常重要。本文在研究了人脸特征点检测的各种主流方法后,提出了将肤色模型与灰度积分投影结合的方法。该方法通过肤色模型对特征点区域进行检测,再通过灰度积分投影方法对特征点进行精准定位。该方法缩小了特征点检测范围,提高了检测效率;同时,该方法对图像进行了归一化与数学形态学处理,降低了光照、表情变化等因素对实验结果造成的影响。2)本文对基于SDM模型的人脸对齐算法进行了研究,该方法在检测过程中存在特征点维度高导致计算量过大与脸型差异等问题。针对这些问题,本文对该算法进行了优化,在实验对象进行特征点检测后,加入初始化功能,将初始化时的人脸及特征点信息作为训练样本。在算法优化后,样本图像与待测图像为同一个人,消除了脸型差异对实验结果造成的影响;降低了特征点的维度,减少了计算量,提高了计算效率;同时,无需对样本特征点进行手动标注,减少了样本训练时间,提高了实验效率。3)本文实现了头部姿态在汽车安全驾驶方面的应用,通过分析驾驶员的头部姿态变化规律进行疲劳检测与精神集中度检测,设计了基于计算机视觉的汽车安全驾驶辅助系统。实验数据表明,该系统能够实时准确地对驾驶员疲劳状态与精神集中状态进行检测判定,具有一定实际应用价值。