联合人体姿态估计和多目标跟踪的跨数据集学习

摘要：

近年来,多目标跟踪任务获得了较大的进展,尤其是针对行人的多目标跟踪.通过对行人进行联合姿态估计,能够提升多目标跟踪算法对行人的运动预测,同时为更高阶的任务例如自动驾驶算法提供更多的信息.然而,在当前包含人体姿态估计标签的多目标跟踪数据集中,视频长度较短且目标稀疏,限制了多目标跟踪算法的研究.文中使用具有更多行人的多目标跟踪数据集MOT17和多人姿态估计数据集COCO进行跨数据集学习,基于循环训练策略有效提升了联合人体姿态估计下的多目标跟踪算法的性能.同时极化自注意力下采样和注意力上采样的使用,在提升算法训练速度的同时,增强了算法的人体姿态估计性能.

关键词：多目标跟踪、跨数据集学习、人体姿态估计、注意力机制

所属期刊栏目：50

分类号：TP183(自动化基础理论)

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：502-508