Pets 2012 总结

今天会议结束了，开会的人不多，不过都是内部人吧

主席讲了：dataset and challenge

主要讲了pets 这个数据集的组成，每个视频序列的内容还有每个视频需要达到的目的

其中track数据s2 中，本来以为只有level1中需要跟踪所有的人，原来L2和L3跟踪所有个人同样是最终的目标

以前以为只需要跟踪几个人，原来自己理解错了。

接下来

Recovering People Tracking Errors using Enhanced Covariance-Based Signatures

主要介绍了检测和跟踪的算法和结果，测试中表示这个方法的结果是最好的。结果发现主次搞错了

作者提交了自己标注的groundtruth，而主席以为是他们测试的结果，结果就是最好的。所以......大家懂得。

Single and Multiple View Detection, Tracking and Video Analysis in Crowded Environments

北大的人做的，效果特别的好，实验数据量也很大，分别作了单视角下的和多视角下的，结果很好，大家可以拜读下。

Counting People in the Crowd using a Generic Head Detector

印度人的文章，发音不好，反正我也没听明白，虽说之前也没听明白，但好歹大概意思知道了。

这个我是真一点都没听明白。

People Count Estimation in Small Crowds
Performance Evaluation of Multi-Camera Visual Tracking

这个是一个人写的，

好像是个英国人，之后这篇比较有分量，是关于多视角下的测评的，多视角作为一个研究的方向，这个评测的标注很重要

大家可以研究下。

Multiple Person Tracking by Spatiotemporal Tracklet Association

我们实验室的文章，完全的研究跟踪的，part-based检测，tracklet genereta andtracklet association。效果没有北大的好

差距太大了，努力明年超过他们。

最后主席对今年提交的数据比较结果作了报告。我们的结果没有北大的好，但似乎比法国那个好一些。

明年希望有一个很大的进步！