几何引导多模态注视估计框架

遮挡下仍稳定

利用头部空间先验与深度感知结构约束，在遮挡和头部姿态变化下实现物理一致的注视估计，减少对外观特征的依赖。

李泰国 · Jiajun, Peng · Li, Quanqin · 李小平 · Bowen, Zhao · Guo, Zhang

Engineering Applications of Artificial Intelligence 2026

参数信息

AUC

0.967

欧氏距离误差

0.079

平均精度

0.942

推理时间

30-45 ms

技术优势

遮挡鲁棒

通过联合利用视觉语义和场景几何，在遮挡和头部姿态变化下实现稳定且物理一致的注视估计，减少对外观特征的依赖。

边缘可部署

在Jetson Xavier设备上，端到端推理每帧仅需30至45毫秒，适合资源受限环境。

应用场景

• 驾驶员监控系统：实时监测驾驶员注视以识别潜在风险。
• 人机交互：提供物理一致的注视输入以增强交互自然性。
• 机器人视觉：在遮挡和姿态变化下稳定估计注视以支持机器人理解人类意图。
• 工业安全监控：在工业环境中部署注视估计以监控注意力和安全。