POSEidon：从深度图像生成面部用于驾驶员姿态估计
计算机视觉与模式识别
2017-12-14 v3
摘要
快速准确的上半身和头部姿态估计是自动监测驾驶员注意力的关键任务，这是一个以剧烈的光照变化、遮挡和极端姿态为特征的挑战性环境。在这项工作中，我们提出了一种新的深度学习框架，用于深度图像上的头部定位和姿态估计。该方案的核心是一个名为 POSEidon 的回归神经网络，它由三个独立的卷积网络和一个融合层组成，专门设计用于通过深度理解姿态。此外，为了恢复面部外观对于理解头部位置和方向的固有价值，我们提出了一种新的“从深度生成面部”（Face-from-Depth）方法，用于从深度数据学习图像面部。面部重建的结果在定性上令人印象深刻。我们在两个公开数据集（即 Biwi Kinect Head Pose 和 ICT-3DHP）以及 Pandora（一个主要受汽车设置启发的新挑战性数据集）上测试了所提出的框架。结果表明，我们的方法超越了所有近期最先进的工作，并以超过每秒 30 帧的速度实时运行。
引用
@article{arxiv.1611.10195,
title = {POSEidon: Face-from-Depth for Driver Pose Estimation},
author = {Guido Borghi and Marco Venturelli and Roberto Vezzani and Rita Cucchiara},
journal= {arXiv preprint arXiv:1611.10195},
year = {2017}
}
备注
Accepted in Computer Vision and Pattern Recognition (CVPR 2017)