PoseTrack：联合多人姿态估计与跟踪
计算机视觉与模式识别
2017-04-10 v3
摘要
在这项工作中，我们提出了一个具有挑战性的问题：在无约束视频中对未知数量的人员进行联合多人姿态估计与跟踪。现有的图像多人姿态估计方法无法直接应用于此问题，因为它除了需要对每个人进行姿态估计外，还需要解决跨时间的人员关联问题。因此，我们提出了一种新颖的方法，在单一公式中联合建模多人姿态估计与跟踪。为此，我们通过时空图表示视频中的身体关节检测，并求解一个整数线性规划，将图划分为对应于每个人合理身体姿态轨迹的子图。所提出的方法隐式地处理了人员的遮挡和截断。由于该问题在文献中尚未被定量研究，我们引入了一个具有挑战性的“Multi-Person PoseTrack”数据集，并提出了一个完全无约束的评估协议，该协议不对人员的尺度、大小、位置或数量做任何假设。最后，我们在新数据集上评估了所提出的方法和几种基线方法。
引用
@article{arxiv.1611.07727,
title = {PoseTrack: Joint Multi-Person Pose Estimation and Tracking},
author = {Umar Iqbal and Anton Milan and Juergen Gall},
journal= {arXiv preprint arXiv:1611.07727},
year = {2017}
}
备注
Accepted to CVPR 2017