Pose Flow: Effiziente Online-Pose-Verfolgung

Die Verfolgung von mehrpersonigen, segmentierten Körperhaltungen in unbeschränkten Videos ist ein wichtiges, aber herausforderndes Problem. In dieser Arbeit, indem wir den Weg der top-down Ansätze beschreiten, schlagen wir einen anspruchsvollen und effizienten Posetracker auf Basis von Pose Flows vor. Zunächst entwickeln wir ein Online-Optimierungsframework, um die Zuordnung von zwischenrahmigen Körperhaltungen herzustellen und Pose Flows zu bilden (PF-Builder). Anschließend wird eine neuartige Pose Flow Non-Maximum Suppression (PF-NMS) konzipiert, um redundante Pose Flows robust zu reduzieren und zeitlich getrennte Flows wieder zu verbinden. Ausführliche Experimente zeigen, dass unsere Methode die besten bisher veröffentlichten Ergebnisse auf zwei Standard-Datensätzen für Posetracking um 13 mAP und 25 MOTA sowie 6 mAP und 3 MOTA übertrifft. Darüber hinaus ist der zusätzliche Rechenaufwand des Posetrackers im Fall der Verarbeitung detektierter Körperhaltungen in einzelnen Bildern sehr gering, was eine Online-Verfolgung mit 10 FPS gewährleistet. Unser Quellcode ist öffentlich zugänglich gemacht (https://github.com/YuliangXiu/PoseFlow).