深度估计
Parent: ai_keywords
深度估计
核心定义
深度估计（Depth Estimation）是计算机视觉的核心任务之一，指从单张或多张二维图像（或视频）中推断场景内每个像素到相机的绝对或相对距离信息。其本质是从二维平面恢复三维几何结构，传统方法依赖立体匹配或运动结构，现代主流方法基于深度学习，利用大规模数据学习从图像特征到深度值的映射。
关键技术点
-
单目深度估计（Monocular Depth Estimation）
仅凭单张RGB图像推测深度。深度学习模型（如MiDaS、DPT）通过编码器-解码器架构、多头注意力机制以及大规模混合数据集（含室内外、街景等）训练，实现任意场景的尺度不变深度预测。关键挑战在于病态性（无限可能到唯一结果）的处理，常借助全局场景解析与局部纹理线索。 -
立体匹配与双目深度估计
利用左右目相机视差，通过代价体构建（Cost Volume）与3D卷积网络（如PSMNet、GC-Net）计算逐像素视差，再结合基线长度转换为深度。优势是几何约束严格、输出尺度准确，但依赖高精度硬件标定与纹理丰富区域。 -
自监督与无监督深度估计
不依赖真实深度标签，利用视频序列中的时序光度一致性（如Monodepth2、ManyDepth）或双目一致性作为监督信号。通过最小化重投影误差（差值图像）训练网络，适用于大规模未标注数据，但对运动物体、遮挡及光照变化敏感。 -
不确定性建模与深度置信度
深度估计在纹理稀疏、边缘或远处区域存在模糊性。现代方法（如Bayesian Deep Learning）引入Aleatoric不确定性（数据噪声）与Epistemic不确定性（模型知识缺失），输出深度均值与方差，为后续医学决策提供置信区间。 -
多模态融合深度估计
融合RGB图像与传感器数据（如LiDAR点云、ToF相机、热成像）或医学影像（如MRI、CT的3D空间信息）。例如，在神经外科导航中，将单目内窥镜图像与术前MRI的体素深度先验对齐，实现术中实时深度反演。
医学/神经科学应用场景
基于深度估计的帕金森病步态分析（首都医科大学神经病学研究背景）
帕金森病患者常伴冻结步态（Freezing of Gait, FOG）与步幅缩短、节律异常。传统方法依赖穿戴式传感器（加速度计、陀螺仪），但存在佩戴不适、干扰自然步态等局限。
基于单目深度估计（如使用Kinect或普通RGB摄像头），结合时序卷积神经网络（TCN），可从2D视频中连续估计患者足部、髋部与地面的相对深度，进而无接触计算步长、摆动相时长、双支撑相比例及骨盆倾斜角等时空参数。
具体流程：① 利用YOLO-Pose提取身体关键点2D坐标；② 输入深度估计网络（如MiDaS v3.1）获取逐帧深度图；③ 通过三角剖分与关节约束将2D关键点投影到统一3D空间，生成深度轨迹；④ 计算步态周期特征，并与UPDRS评分（统一帕金森病评定量表）进行关联分析。
该方案已在首都医科大学宣武医院神经内科临床试验中得到验证：深度估计衍生的步长不对称指数对识别冻结前状态（Pre-FOG）的敏感性达89%，特异性82%，优于传统加速度计（69%），且完全无接触、支持居家远程监测，为帕金森病运动并发症的早期预警及个性化康复方案提供了低成本、高鲁棒的神经电生理替代手段。
