联合流：用于多人跟踪的时间流场
计算机视觉与模式识别
2018-07-23 v2
摘要
在这项工作中，我们提出了一种在线多人姿态跟踪方法，其作用于两连续帧 和 。我们时间网络的一般公式允许依赖任意多人姿态估计方法作为空间网络。从空间网络中我们提取两帧的图像特征与姿态特征。这些特征作为我们时间模型的输入，该模型预测时间流场（TFF）。这些 TFF 是向量场，指示每个身体关节将从帧 到帧 移动的方向。这种新颖表示允许构建被检测关节的相似度度量。这些相似度被用作二部图优化问题中的二元势，以执行多姿态跟踪。我们展示了这些 TFF 可由一个相对较小的 CNN 网络学习，同时取得最先进的多人姿态跟踪结果。
引用
@article{arxiv.1805.04596,
title = {Joint Flow: Temporal Flow Fields for Multi Person Tracking},
author = {Andreas Doering and Umar Iqbal and Juergen Gall},
journal= {arXiv preprint arXiv:1805.04596},
year = {2018}
}
备注
Accepted to BMVC