口鼻遮挡工程实录：06 PIPNet98关键点与响应

系列编排日期为 2026 年 8 月；正文依据 2026-10-12 核对的实现整理。历史实测保留真实日期，教学数字不代表实测；本次未重新执行板端推理。

返回系列目录 · 本篇为 14 章＋4 份附录中的一篇。

PIPNet 在这条链路中的职责

PIPNet 提供鼻嘴区域的位置，还允许观察每个点的响应强弱及不同预测之间的一致性。它本身没有给当前系统输出一个经过校准的“手遮嘴概率”。PIPNet 的原始方法称为 Pixel-in-Pixel Net，研究入口见官方仓库；以下张量、阈值和统计均按本地部署代码说明。

256 输入配合 stride 32 得到 8×8 网格。输出虽然空间分辨率小，坐标仍由连续偏移精修，不能把结果精度简单理解成每点只能落在 64 个位置。

板端检查输出数、尺寸、指针和所有值是否有限。解码失败保持 numPoints=0，主流程转为错误处理；不能沿用上一帧的点位。

对第 i 个点，找到 cls_map[i] 的最大位置 (col,row)，在相同位置取偏移：

1 2	`own_x = (col + offset_x[i,col,row]) / 8 own_y = (row + offset_y[i,col,row]) / 8`

假设最大网格为 (3,4)、偏移为 (0.25,0.5)，自身归一化坐标为 (0.40625,0.5625)，即 256 坐标系中的 (104,144)。随后还要加入其他点对该点的邻居预测，不能在这里直接结束解码。

meanface 数据生成邻接关系；反向索引回答“哪些预测通道指向当前这个点”。本地实现按照补齐的反向索引表，将自身与邻居预测平均，以保持与参考解码一致。meanface 表不是人脸模板直接输出，也不是一张运行时待匹配的人脸照片。

1 2	`peak_i = 当前点响应图中的最大原始值 gap_i = 最大值 − 排除最大位置后的次大值`

原始响应不经过概率归一化，可以低于零或超过一。gap 较小意味着两个位置竞争接近；peak 较低意味着响应弱。但它们受脸尺寸、光照、姿态、图像质量及模型转换影响，不能单独对应遮挡。

如果两个位置都为 0.10，peak=0.10、gap=0；即使 peak 超过 0.08，gap 仍会触发弱点条件。仅看均值会掩盖这种局部歧义。

坐标解码保持原补齐表的平均规则；分散度统计则去除补齐造成的重复邻居。设去重后的自身与邻居预测集合为 Q：

1 2	`中心 μ = Q 中二维坐标的均值 dispersion = sqrt(mean((qx−μx)² + (qy−μy)²))`

它使用裁剪归一化坐标，不是脸宽归一化坐标，也不是跨帧抖动方差。两个预测为 (0.4,0.5) 和 (0.5,0.5) 时，中心 (0.45,0.5)，分散度为 0.05。它衡量同一次推理内部多个预测的一致性。

若重复索引被计数多次，某个预测会获得不应有的统计权重。当前代码用集合去重仅用于分散度，不能顺便改变原坐标解码规则，否则与参考实现产生另一种差异。

鼻尖使用 54；嘴中心使用外唇 76～87 的均值。嘴部响应统计使用 76～95，共 20 点；嘴部面积 ROI 只用外唇 76～87，共 12 点。代码的半开区间 [76,96) 和 [76,88) 正是在表达这一差别。

当前弱点规则为：peak<0.08 OR gap<0.01 OR dispersion>0.05。区域弱点比例达到 25% 即 suspect=true。鼻部九个点至少三个弱点会达到阈值；嘴部二十个点至少五个弱点会达到阈值。

区域同时记录均值与弱点索引，判定使用逐点逻辑后的比例，不是“区域平均 peak 低于 0.08”。例如五个嘴点很弱、十五个点很强，均值仍可能高，但弱点比例已经达到 25%。

roi_spread_max=0.08 是另一项参考：标记局部不稳定、参与旧规则和物体证据可靠性判断。当前可见优先策略不会仅因此把区域覆盖率改成无效。

比较同一张裁剪的五个原始输出、argmax、邻居索引、最终点坐标、peak、gap 和 dispersion。不要只比较画出来的点是否“看着差不多”。板端卸载后输出必须仍有效；非有限值、错误输出顺序和布局错误应作为错误处理，而不是降低阈值放行。

代码入口：PipNet.cpp::decodePipNet()、PipNetMeanfaceData.h、FaceOcclusionPolicy.cpp::response()。本章教学数字可在附录 D 手工复算。