Pose Flow：高效的在线姿态跟踪
计算机视觉与模式识别
2018-07-04 v2 人工智能
摘要
无约束视频中的多人关节姿态跟踪是一个重要且具有挑战性的问题。本文沿自上而下方法的路线，提出了一种基于姿态流(pose flows)的优良且高效的姿态跟踪器。首先，我们设计了一个在线优化框架来建立跨帧姿态的关联并形成姿态流(PF-Builder)。其次，设计了一种新颖的姿态流非极大值抑制(PF-NMS)，以鲁棒地减少冗余姿态流并重新连接时间上不连续的姿态流。大量实验表明，我们的方法在两个标准姿态跟踪数据集上分别以13 mAP 25 MOTA和6 mAP 3 MOTA显著优于最佳报道结果。此外，在对各帧中检测到的姿态进行处理的情况下，姿态跟踪器的额外计算量非常小，保证了在线10FPS跟踪。我们的源代码已公开可用(https://github.com/YuliangXiu/PoseFlow)。
引用
@article{arxiv.1802.00977,
title = {Pose Flow: Efficient Online Pose Tracking},
author = {Yuliang Xiu and Jiefeng Li and Haoyu Wang and Yinghong Fang and Cewu Lu},
journal= {arXiv preprint arXiv:1802.00977},
year = {2018}
}
备注
Our source codes and models are made publicly available at https://github.com/YuliangXiu/PoseFlow and https://github.com/MVIG-SJTU/AlphaPose