基于 Multicut 和 Deep Matching 的多人跟踪
该论文针对运动分割中的局限性提出了一种基于超图的最小成本量切割方法和相应的启发式算法,准确构建出点轨迹的高阶图形模型,以更好地区分运动模型的不同变换,结果在 FBMS-59 数据集上表现优于现有技术。
Apr, 2017
本文提出了一个 hierarchical clustering 机制的跟踪框架,以便在利用 multi-stage deep network 进行 tracklet re-identification 的同时,合并 tracklets,从而提高多人追踪准确性。在 MOT16 和 MOT17 基准测试中,实验结果表明,我们的方法显著优于最先进技术。
Nov, 2018
本文提出一种新的学习可伸缩图匹配方法,用于解决目前多目标跟踪(MOT)任务中的数据关联问题,该方法可以使跟踪器在面对严重遮挡等困难情况时表现更加优异,同时在多项标准 MOT 数据集上取得了最先进的性能。
Mar, 2021
本文提出了一种基于空时提升 Multicut 公式的多摄像机多目标跟踪方法,其利用单摄像机跟踪器生成的先进 tracklet 作为提议,并通过 3D 几何投影获得新颖的预聚类以优化 tracklet,最后通过一个全局提升 Multicut 公式将 tracklet 匹配到多摄像机轨迹,并在 WildTrack 数据集上获得了近乎完美的性能。
Nov, 2021
本论文提出了一种基于在线分治跟踪器的方法,其将分配问题分为本地子问题,并通过选择和组合最佳功能来解决问题,从而增强了跟踪性能,并通过两个不同数据集上的实验验证了该方法的优越性。
Sep, 2015
本文介绍了一个具有挑战性的问题,即在不受限制的视频中联合估计和跟踪未知数量的人的多人姿态。为此,我们提出一种新方法,将多人姿势估计和跟踪联合建模在一个公式中,使用时空图表示身体关节检测,在图上使用整数线性规划将其划分为子图,对应于每个人的可能身体姿势轨迹,该方法隐含处理遮挡和截断的问题。我们还提出了一个完全不受限制的评估协议和具有挑战性的 “Multi-Person PoseTrack” 数据集,评估了所提出的方法和几个基线方法在我们的新数据集上的表现。
Nov, 2016
本文提出了一种针对无限约束视频中多人的关节追踪方法,利用简化稀疏的身体关系图和最近的快速推断方法,以及将计算量转移到卷积结构上;并将关节定位方案用于构建关节追踪形式,解决了所有场景中的关联问题,并已在公共 MPII Human Pose 基准测试中取得最新结果。
Dec, 2016
本研究提出了一种联合解决检测和姿态估计任务的方法,并使用基于 CNN 部件检测器生成的一组身体部位假设的分区和标签化公式,隐含执行非最大化抑制,以形成符合几何和外观约束的身体部件配置,对于单人和多人姿态估计都取得了最新的结果。
Nov, 2015