随着人机交互的智能化发展和计算机视觉领域的深入研究,头部姿态识别作为一项重要的研究课题,越来越引起人们对其浓厚的探索兴趣。同时,头部姿态识别有广泛的应用前景,如手语识别、智能监控、疲劳检测、3D游戏和娱乐等领域。其中,利用头部姿态提高聋人与计算机的交互能力,改善手语识别效果,已成为重要研究热点之一手语是聋人进行沟通的主要方式。手语不仅包含手和手臂的动作,而且也包含表情和头部姿态等。有实验表明,手语中只有手势信息时,人们所能理解的内容不超过60%。头部姿态包含了丰富的含义,对手语视频的综合理解起到重要的辅助作用。本文针对手语视频中的头部姿态识别问题进行研究,最终实现了一个头部姿态识别系统。具体的研究工作如下：1.人脸及特征点检测与跟踪。本文首先建立肤色模型检测手语视频中的人脸,并对其用Camshift算法跟踪,同时利用椭圆拟合方法得到头部的相关参数；然后在检测到的人脸基础上,结合Kalman滤波与Meanshift算法跟踪人脸特征点,进而,根据几何模型、眼角动态阈值二值化及唇色模型的方法精确定位手语视频每帧中双眼内眼角点和嘴部中心。2.多角度头部姿态估计。本文首先根据用椭圆拟合方法得到的方向角(用椭圆拟合方法得到的头部的长轴与水平方向的夹角),估计头部在平面内的姿态变化；然后,运用获得的人脸特征点之间的位置距离变化关系,结合视频第一帧(正面平行帧)中的头部参数信息,估计头部在空间内的旋转角度,从而实现了手语视频中头部姿态的实时估计。3.头部运动信息训练与识别。为提高姿态类别识别的准确率,本文分别提取了头部区域的椭圆参数特征、边缘朝向特征和姿态特征,最后利用隐马尔可夫模型(HMM)技术对提取的特征进行训练识别,本文将42个手语词分成五类,识别率为78.97%。4.手语视频中头部姿态识别系统实现。本文根据所研究的手语视频中头部姿态估计与运动识别方案,设计系统的软件架构,最终实现了一个头部姿态识别系统。