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

该论文提出了一种基于最新的人体检测和视频理解技术的轻量化人体关键点估计和跟踪方法，在帧级别和短视频片段中进行关键点估计，并进行轻量级跟踪，领先于多项竞争者，成为 2017 年 ICCV PoseTrack 的关键点跟踪挑战的最佳表现。

Dec, 2017

使用自顶向下的方法，建立了一个由三个模块组成的强基准系统，分别为人体候选检测器、单人姿态估计器和人体姿态跟踪器。该方法使用了先进的通用物体检测器来检测人体候选者，并使用级联金字塔网络来估计相应的人体姿态，最后使用基于光流的姿态跟踪器进行多目标姿态跟踪。经过大量实验验证了各种模型和配置，该方法成功参加了两个 ECCV18 PoseTrack 挑战：姿态估计和姿态跟踪。

Jan, 2019

本篇论文提出了一种新的自上而下的方法来解决多人姿态估计和视频跟踪问题，该方法利用影片中已知的人位置向前向后传递并在这些区域搜索姿势，通过此技术，不局限于个人检测器的性能并且可以预测未被检测到的人的姿势。这种方法包括三个组件：（i）在小视频片段上同时执行身体关节检测和跟踪的 Clip Tracking Network；（ii）将 Clip Tracking Network 产生的固定长度轨迹片段合并为任意长度轨迹的 Video Tracking Pipeline；（iii）基于空间和时间平滑项来细化关节位置的空间 - 时间合并过程的 Spatial-Temporal Merging。由于我们的剪辑跟踪网络和合并过程的精度非常高，我们的方法可以在困难的场景（例如严重纠缠的人）中产生非常准确的关节预测，并在关节检测和跟踪方面实现了最先进的结果，对于 PoseTrack 2017 和 2018 数据集，并且超过了所有自上而下和自下而上的方法。

Mar, 2020

该文章提出了一种新的深度网络架构，它可以跟踪城市场景中的多个人物并解决遮挡问题，同时使用计算机图形学的数据集进行训练，取得了良好的跟踪效果。

Mar, 2018

本文提出了一个统一的框架，用于实现多人姿态估计和跟踪，包含两个主要组件 SpatialNet 和 TemporalNet，其中 SpatialNet 在单帧中实现了身体部位检测和部位级别的数据关联，而 TemporalNet 则将连续帧中的人类实例分组为轨迹。

Mar, 2019

本文提出了一种基于整数线性规划的方法来解决多人姿态估计的问题，并且在 MPII 人体多人姿态数据集上实现了与最先进方法相当的精度，但速度快了 6,000 到 19,000 倍。

Aug, 2016

本研究旨在建立 “PoseTrack” 的标准，该标准是一种基于视频的多人姿势估计和关节跟踪的大规模基准，该基准将集合人类视觉分析研究人员的团体，通过提供大型代表性训练数据集，为研究提供平台并客观评估和比较提出的方法。

Oct, 2017

本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。

Mar, 2020

本文介绍了一种基于多视图校准的多人 3D 姿势估计和跟踪方法，利用时序一致性来匹配先前构建的每个视图中的用 2D 姿势估计生成的 3D 骨架，同时提出两种策略，以实现更好的对应关系和 3D 重构。该方法在两个基准上实现了竞争性成果，并在 Campus 测试中取得了良好的结果。

Jun, 2021