1.一種頭部姿態(tài)識別方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述回歸算法為6d回歸算法；所述回歸算法的損失函數(shù)還包括：所述旋轉(zhuǎn)矩陣在李代數(shù)上的對數(shù)映射角度的損失函數(shù)、所述姿態(tài)識別模型輸出的2個三維向量之間的夾角的損失函數(shù)以及均方差損失函數(shù)。
3.根據(jù)權利要求1所述的方法，其特征在于，所述姿態(tài)識別模型還基于歐拉角預測算法的損失函數(shù)訓練得到；所述歐拉角預測算法的損失函數(shù)包括：歐拉角的角度整數(shù)部分的損失函數(shù)和歐拉角的角度余數(shù)部分的損失函數(shù)。
4.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：
5.根據(jù)權利要求4所述的方法，其特征在于，所述初始姿態(tài)識別模型包括：骨干網(wǎng)絡、特征轉(zhuǎn)換層和輸出層；所述構建初始姿態(tài)識別模型，包括：
6.根據(jù)權利要求4所述的方法，其特征在于，所述基于所述訓練數(shù)據(jù)對所述初始姿態(tài)識別模型進行訓練，得到所述姿態(tài)識別模型，包括：
7.根據(jù)權利要求6所述的方法，其特征在于，所述基于所述第一損失值和所述第二損失值，調(diào)整所述初始姿態(tài)識別模型，并訓練調(diào)整后的初始姿態(tài)識別模型，包括：
8.根據(jù)權利要求1所述的方法，其特征在于，所述將所述待處理的頭部圖像輸入姿態(tài)識別模型，得到旋轉(zhuǎn)矩陣，包括：
9.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：
10.根據(jù)權利要求9所述的方法，其特征在于，所述方法還包括：
11.根據(jù)權利要求10所述的方法，其特征在于，所述基于所述旋轉(zhuǎn)矩陣在李代數(shù)上的對數(shù)映射角度和所述旋轉(zhuǎn)軸向量，確定所述待處理的頭部圖像中的頭部姿態(tài)是否處于異常狀態(tài)，包括：
12.根據(jù)權利要求10所述的方法，其特征在于，所述基于所述旋轉(zhuǎn)矩陣在李代數(shù)上的對數(shù)映射角度和所述旋轉(zhuǎn)軸向量，確定所述待處理的頭部圖像中的頭部姿態(tài)是否處于異常狀態(tài)，包括：
13.根據(jù)權利要求9所述的方法，其特征在于，所述待處理的頭部圖像為車輛駕駛員的頭部圖像，或者所述車輛的圖像采集范圍內(nèi)的行人的頭部圖像；所述方法還包括：
14.一種頭部姿態(tài)識別裝置，其特征在于，所述裝置包括：獲取模塊和處理模塊；
15.一種電子設備，其特征在于，包括：
16.一種計算機可讀存儲介質(zhì)，其特征在于，當所述計算機可讀存儲介質(zhì)中存儲的計算機執(zhí)行指令由電子設備的處理器執(zhí)行時，所述電子設備能夠執(zhí)行如權利要求1至13中任一項所述的方法。