通过预测三维外观、位置与姿态进行人员跟踪

本文提出了一种通过预测人物未来三维表示，在单目视频中进行人员跟踪的方法。为实现这一目标，我们首先以稳健的方式从单帧图像中将人物提升至三维空间。这种提升包含了人物的三维姿态、其在三维空间中的位置以及三维外观信息。在跟踪一个人的过程中，我们随时间收集三维观测数据，并以轨迹片段表示。鉴于我们观测数据的三维特性，我们为前述的每个属性构建了时序模型。我们利用这些模型来预测轨迹片段的未来状态，包括三维位置、三维外观和三维姿态。对于未来帧，我们以概率方式计算轨迹片段预测状态与单帧观测之间的相似度。关联问题通过简单的匈牙利匹配解决，匹配结果用于更新相应的轨迹片段。我们在多个基准数据集上评估了我们的方法，并报告了最先进的结果。