摘要：传统的舞台追光技术依赖于人工操作,常常难以达到设计师对追光精确性的高标准。对此,本文提出了一种基于人体位姿估计的舞台灯自动跟踪方案。目前,在舞台演出中,演员之间或与道具之间的遮挡会对姿态估计模型的准确性造成影响,进而影响追光效果的质量。为了解决演员遮挡问题,并提升人体姿态估计的准确度,本文设计了一种自顶向下的遮挡感知人体姿态估计模型和方法,该模型能显式学习人体的结构信息,采用空间注意力机制将图像特征转换为关键点特征向量,以及利用多头注意力机制增强对人体结构的学习能力,提高姿态估计在遮挡情况下的鲁棒性。此外,该模型还集成了遮挡信息的预测模块。实验表明,该方法在公开数据集上取得了优秀的表现,有效减少了在遮挡状态下的预测误差,并能判断关键点是否遭受遮挡,有望在舞台灯自动跟踪系统等复杂场景中推广应用。

摘要：头部姿态估计在人机交互、辅助驾驶等应用中起重要作用,但因受到光照变化、部分遮挡、不同面部外观差异等因素的影响,导致头部姿态估计的准确率不高。提出一种基于遮挡和几何感知模型的头部姿态估计方法,在预处理阶段采用多任务卷积神经网络进行人脸检测,减小背景环境的干扰,并进行图像增强操作以减小光照变化带来的影响。设计面部遮挡感知网络感知人脸的遮挡区域,从而提取信息量丰富的未遮挡面部特征。为充分利用面部的几何信息,采用堆叠胶囊自编码器对人脸各部分的姿态和位置进行编码,得到面部各部分间的几何关系。实验结果表明,该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差分别为3.91和3.55,能有效提高头部姿态估计准确率,在复杂环境下的鲁棒性较好。