FenixEdu™

Dissertação

2D RGB Head Pose Estimation in Face Occlusion Scenarios EVALUATED

Detalhes: A estimação da pose da cabeça, a tarefa que envolve a previsão da orientação da cabeça a partir de imagens ou vídeos, é um problema desafiante que tem sido investigado extensivamente e possui uma grande variedade de aplicações. Apesar de vários estudos terem sido realizados para alcançar a estimação mais precisa possível, os sistemas estado de arte ainda apresentam um erro de estimativa considerável na presença de oclusões. Esta previsão imprecisa torna-os inadequados e pouco fiáveis para muitas aplicações nas quais ocorre a oclusão da cabeça. Esta tese propõe o estudo de diferentes metodologias a fim de se conseguir uma estimativa robusta da pose da cabeça em cenários de oclusão, para imagens, vídeos ou mesmo aplicações em tempo real. Esta metodologia será baseada no desenvolvimento de datasets de treino e teste ocluídos e na adaptação de estratégias baseadas em redes neuronais e que apresentam resultados estado de arte. Comprovamos que os nossos modelos melhoram a estimativa da pose da cabeça com oclusões e alcançam resultados estado da arte para imagens sem oclusão. Demonstramos a aplicação do nosso melhor método no contexto da vida real do Feedbot, um braço robótico autónomo para alimentação assistida. Verificamos que, na presença de oclusões do braço robótico, o nosso modelo apresenta melhor estimação do que um modelo de estado de arte, alcançando um desempenho semelhante para a estimação sem oclusões.
Keywords: Estimação da Pose da Cabeça, Ângulos de Euler, Oclusão, Rede Neuronal

Discussão: novembro 19, 2021, 8:0