brandpose：基于监控视频的商店顾客注视点估计与3D重建

BrandPose 是一个个人开源项目，利用普通安防摄像头视频和开源 AI 模型，估算商店内顾客的注视方向。项目结合 YOLO11 进行人体检测与追踪，使用 Gaze-LLE 估计视线，并通过 Depth Anything V2 生成深度图以构建 3D 点云。最终输出注意力热力图、区域关注度报告，并在 Blender 中重建商店场景以模拟顾客视角，展示了从 2D 视频到 3D 空间分析的完整流程。

能做什么

• 使用 YOLO11-pose 和 ByteTrack 实现多目标人体检测与连续追踪
• 集成 Gaze-LLE 模型对头部裁剪区域进行视线方向估计
• 利用 Depth Anything V2 估算单帧深度并生成约 50 万点的 3D 点云
• 通过 OpenCV 和 FFmpeg 渲染注意力热力图、排名报告及合成音频视频
• 在 Blender 中基于校准数据重建商店 3D 模型并渲染顾客第一人称视角

适合谁用

适合计算机视觉研究者、技术美术及开发者，用于探索基于单目视频的视线估计、3D 场景重建及零售数据分析，特别是希望复现或改进类似 CactusXR 注意力热力图技术的团队。