ICCV2021 Challenge | 多视角行人追踪

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨微软云计算认知服务计算机视觉团队

编辑丨极市平台

比赛入口：https://competitions.codalab.org/competitions/33729

比赛官网：https://iccv2021-mmp.github.io

1.概述

多目标追踪是计算机视觉最基本且最重要的研究方向之一。多目标追踪有很多实际应用，例如动作捕捉，安防追踪，人机交互，机器人导航等等。因此，受到学术界和工业界的广泛关注。

对于单视角多目标追踪，目前已经有不少公开数据集和基准，比如MOT，PathTrack，HiEve等。这些数据集和基准极大促进了单视角目标追踪技术的发展。然而，对于多视角多目标追踪，由于收集和标注数据的复杂程度远远高于单视角多目标追踪，目前只有很少数几个公开数据集（WILDTRACK，SALSA，EPFL-RLC），且这些数据集多数时长较短或者并非完全标注。缺乏数据，极大限制了多视角目标追踪算法的发展。

为了支持和推动多视角目标追踪领域的发展，鼓励研究者研发更高效更新颖的目标追踪算法，微软云计算认知服务计算机视觉团队构建了一个大规模的多视角多目标追踪数据集和基准（MMP-Tracking）。同时，将在计算机视觉顶会ICCV2021上举办MMP-Tracking Challenge，以供研究人员开发和测试新的多视角多目标跟踪算法。

具体信息可以参考网站：https://iccv2021-mmp.github.io

2.数据样本可视化

3.比赛简介

数据集分为训练集（5小时），验证集（1.5小时）和测试集（2.5小时）三个部分。其中，测试集不提供标注，只供研究者生成算法结果并提交到比赛网站参加比赛。数据集收集于五种不同的模拟环境，例如零售店，大堂，工长，办公室，茶水间。我们的数据集标注了每一帧，训练集包含了大约120万帧的图像及其标注。

关于数据的格式请参考我们的网站中有关数据格式的介绍：https://iccv2021-mmp.github.io/subpage/dataset.html

比赛会从两个不同的方面评判结果，因此分为两个不同的排行榜：

3.1摄像头视角评测

参赛者提交对应于每个摄像头视角的目标跟踪bounding box坐标，对应的tracking id以及confidence score，综合所有视角的表现，根据MOTA和IDF1进行最终排名。

3.2俯视图视角评测

参赛者需要根据提供的calibration数据，计算出每个目标在3维空间俯视图上的坐标并提交，最终根据在俯视图上的MOTA和IDF1进行排名。

3.3重要日期

4.比赛参赛和数据集申请

所有参赛者需要在CodaLab注册账户：https://competitions.codalab.org

我们的比赛入口是：https://competitions.codalab.org/competitions/33729

所有参赛队伍需要签署我们的数据使用协议数据集：https://iccv2021-mmp.github.io/attachments/MMPTracking%20User%20Agreement.docx

请下载并且将签署好的申请发送电子邮件到iccv2021mmp@outlook.com. 我们将会给您发送下载链接。

欢迎感兴趣的研发团队踊跃参赛！

比赛组织者

Xiaotian Han, Quanzeng You, Peng Chu, Will Boyd, Houdong Hu, Jiang Wang, Zicheng Liu

Microsoft Azure Computer Vision

比赛顾问委员会

Prof. Haibin Ling, Department of Computer Science, Stony Brook University

Prof. Jiebo Luo, Department of Computer Science, University of Rochester

Prof. Ying Wu, Department of Computer Science, Northwestern University

Prof. Ming-Hsuan Yang, Electrical Engineering and Computer Science, University of California, Merced

Prof. Mubarak Shah, Department of Computer Science, University of Central Florida

Dr. Tatjana Chavdarova, Postdoctoral Researcher, EPFL

备注：作者也是我们「3D视觉从入门到精通」特邀嘉宾：一个超干货的3D视觉学习社区

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~