مسأله ی اندازه گیری زوایای سر در بینایی ماشین به کرات مورد بررسی قرار گرفته است. در این تحقیق این مسأله به طور خاص برای کمک به تشخیص بیمارانی مورد بررسی قرار گرفته است که به دلیل مشکل چشم در بینایی، سر خود را از حالت طبیعی و بدون انحراف خارج می کنند تا وضعیت بینایی خود را بهبود بخشند. اما به مرور زمان سر آن ها این حالت غیرطبیعی را حفط می کند و نسبت به حالت طبیعی زاویه پیدا می کند. امروزه برای اندازه گیری زاویه ی سر این بیماران نسبت به حالت طبیعی از ابزار مکانیکی هندسی مانند گونیومتر استفاده می شود. در این جا از یک دوربین کینِکت برای تصویربرداری از بیماران استفاده می شود و زوایای سر بیمار با استفاده از تصویر به دست آمده محاسبه می شود. مزیت این دوربین نسبت به دوربین های معمولی این است که عمق پیکسل های تصویر را نیز در اختیار ما قرار می دهد و استفاده از این مقادیر عمق موجب افزایش در دقت اندازه گیری زوایا می شود. از آن جایی که بسیاری از بیماران را خردسالان تشکیل می دهند، ممکن است به همراه والدین خود در محل تصویربرداری حاضر شوند و بنابراین یکی از شرایط مسأله حضور بیش از یک فرد در تصویر اخذ شده است. برای محاسبه ی زوایای سر، از تصویر rgb و مقادیر عمق بر حسب نیاز استفاده می شود. ابتدا با استفاده از تصاویر rgb، صورت افراد حاضر در تصویر از بقیه ی عکس جدا می شوند؛ سپس با استفاده از مقادیر عمق و این فرض که فرد بیمار نزدیک ترین فرد به تصویر است، صورت فرد بیمار از بقیه ی افراد تمیز داده می شود و ادامه ی الگوریتم بر روی این قسمت از تصویر اجرا می شود. در ادامه ابتدا چشم های فرد در تصویر پیدا می شوند و با استفاده از مکان آن ها زاویه ی roll محاسبه می شود. سپس نقاطی که منتسب به پیشانی هستند استخراج می شوند و با استفاده از مقادیر عمق متناظر با این نقاط، نزدیک ترین صفحه ای که منطبق بر این نقاط باشد محاسبه می شود. و در نهایت با در دست داشتن بردار نرمال صفحه ی پیشانی، زوایای yaw و pitch سر محاسبه می شوند. الگوریتم ارائه شده در نرم افزار مطلب پیاده سازی شده است و برای بررسی صحت عملکرد، از پایگاه داده های تهیه شده در دانشگاه eth سوئیس استفاده شده است. دلیل این مسأله، منطبق بودن شرایط این پایگاه داده ها با شرایط مسأله ی مورد بررسی بوده است. نتایج به دست آمده با روش پیاده سازی شده در [fan 2011b] مقایسه شده است که نتایج به دست آمده، هم از لحاظ میانگین خطای مطلق و هم از نظر انحراف از معیار خطا، بهبود داشته اند. همچنین یک پایگاه داده محلی از تصاویر 8 بیمار که دچار مشکل مورد نظر بوده اند تهیه شد و الگوریتم پیشنهادی بر روی تصاویر این بیماران اجرا گردید که نتایج آن ارائه گردیده است.