基于循环时空亲和场的高效在线多人二维姿态跟踪
计算机视觉与模式识别
2019-06-14 v3
摘要
我们提出一种在线方法，以高效地在视频序列中同时检测并跟踪多人的二维姿态。我们基于为静态图像设计的部位亲和场（PAF）表示，提出一种可跨视频序列编码并预测时空亲和场（STAF）的架构。特别地，我们提出一种跨肢体新颖的时间拓扑链接，可一致地处理大范围幅度的身体运动。此外，我们使整体方法具有循环特性，网络摄入前一帧的 STAF 热图并估计当前帧的热图。我们的方法仅使用在线推理与跟踪，且是当前最快、最准确的自底向上方法，其运行时间不随场景人数变化，精度不随相机输入帧率变化。在单 GPU 单尺度下以 30 fps 运行，其在 PoseTrack 基准上取得极具竞争力的结果。
引用
@article{arxiv.1811.11975,
title = {Efficient Online Multi-Person 2D Pose Tracking with Recurrent Spatio-Temporal Affinity Fields},
author = {Yaadhav Raaj and Haroon Idrees and Gines Hidalgo and Yaser Sheikh},
journal= {arXiv preprint arXiv:1811.11975},
year = {2019}
}