VoxelTrack：野外多人体三维姿态估计与跟踪
计算机视觉与模式识别
2021-08-06 v1
摘要
我们提出 VoxelTrack，用于从多个宽基线分离摄像机中对多人体三维姿态进行估计与跟踪。该方法采用多分支网络，联合估计环境中所有人的三维姿态与重识别（Re-ID）特征。与以往需要基于含噪二维姿态估计建立跨视角对应关系的做法不同，它直接从由多视角图像构建的基于三维体素的表示中估计并跟踪三维姿态。我们首先用规则体素离散化三维空间，并通过对所有视角反向投影的人体关节热图取平均，为每个体素计算一个特征向量。我们通过预测每个体素是否包含特定人体关节，从体素表示中估计三维姿态。类似地，为每个体素计算一个 Re-ID 特征，用于随时间跟踪估计出的三维姿态。该方法的主要优势在于避免基于单幅图像做出任何硬性决策。即使某些摄像机中人体被严重遮挡，该方法也能鲁棒地估计并跟踪三维姿态。在 Shelf、Campus 和 CMU Panoptic 三个公开数据集上，它以较大优势优于当前最优（SOTA）方法。
引用
@article{arxiv.2108.02452,
title = {VoxelTrack: Multi-Person 3D Human Pose Estimation and Tracking in the Wild},
author = {Yifu Zhang and Chunyu Wang and Xinggang Wang and Wenyu Liu and Wenjun Zeng},
journal= {arXiv preprint arXiv:2108.02452},
year = {2021}
}