第七章 采用AAM和POSIT的3D头部姿态估计(2)

标记位置的序列，存储到一个文本文件中，这在我们的PCA分析中将有用。然而，我们将添加两个参数到这个文件的第一个行，即训练图像的数目和读取列的数目。因此，对于K个2D点，这个数字是2*k。

在下面的数据中，我们有一个这个文件的一个例子，我们通过对IMMdatabase中的三个图像的标记获得。这里k是5： 3 10

265 311 303 321 337 310 302 298 265 311 255 315 305 337 346 316 305 309 255 315 262 316 303 342 332 315 298 299 262 316

既然我们已经标记了图像，让我们将这些数据带入我们的形状模型。首先，导入这些数据到一个矩阵。这个过程通过函数loadPCA来完成。下面的代码片段展示了loadPCA函数的使用。

PCA loadPCA(char* fileName, int& rows, int& cols,Mat& pcaset){ FILE* in = fopen(fileName,\int a;

fscanf(in,\

pcaset = Mat::eye(rows,cols,CV_64F); int i,j;

for(i=0;i

pcaset.at(i,j) = a; } }

PCA pca(pcaset, // pass the data //传入数据

Mat(), // we do not have a pre-computed mean vector,//我们没有预计算均值矢量 // so let the PCA engine compute it//因此让PCA引擎计算它

CV_PCA_DATA_AS_ROW, // indicate that the vectors //表示这些矢量作为矩阵的行存储 // are stored as matrix rows

// (use CV_PCA_DATA_AS_COL if the vectors are // the matrix columns)

pcaset.cols// specify, how many principal components to retain //指定，保留多少主成分 );

return pca; }

注意我们的矩阵在pcaset=Mat::eye(rows,cols,CV_64F)中创建并且有足够的容量来存储2*k个值。两个for循环导入数据到这个矩阵后，调用带有一个数据和一个空矩阵的PCA构造器，如果我们希望仅使用它一次，那么这个矩阵是空矩阵，当然也可以是我们预先计算的均值矢量。我们同样指出我们的矢量将作为矩阵的行存储并且我们希望保持给定行（这里应该是列）的数目和成分数目相同，尽管我们可能仅使用少量的成分。

既然我们用我们的训练集填充了我们的PCA对象，根据给定的参数，它拥有所需的所有事

情来反投影我们的形状。我们通过调用PCA.backproject来这样做，传递参数作为一个行矢量并且在第二个参数中获得反投影矢量。

先前的两个截图展示了根据滑动滚动条选择的两个不同形状的配置参数。黄色和绿色形状表明训练数据集，红色形状反映了选择参数产生的形状。

一个简单的应用程序可以用来做主动形状模型实验，对于模型，它允许用户尝试不同的参数。 我们能够注意到通过滑动滑块（分别对应于第一个和第二个变化模式），仅前两个尺度值发生变化，我们可以获得一个形状，这个形状可以非常接近于训练的形状。当我们在AAM中搜索一个模型时，这样的可变性将帮助我们。因为它提供了插值形状。我们将在接下来的部分讨论三角剖分，纹理，AAM和AAM-search。