每日论文记录14-Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS（CVPR2020）

文章地址：[2003.03972] Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS (arxiv.org)

1.文章简介 

本文提出了一种从多个校准的相机视图中进行多人3D姿态估计的新解决方案。它以不同相机坐标下的2D姿势作为输入，并以全局坐标下的精确3D姿势为目标。与以前在每帧从零开始在所有视图对中关联2D姿势的方法不同，利用视频中的时间一致性，直接在3-空间中将2D输入与3D姿势匹配。

2.文章框架

a.输入

将检测到的2D关节作为输入，与别的方法不同，每个相机独立地流式传输帧，帧按时间顺序收集，并逐个迭代地输入到框架中，也就是相机不是严格同步的。

b.具有几何亲和性的交叉视图跟踪

文章中将不仅在视图上而且在时间之间进行交叉匹配

将场景中的人物的历史状态保留为跟踪目标，问题是将这些目标与新检测的人体联系起来，迭代的检测来自不同的相机。假设存在M个检测，则需要将这些检测与最后N个跟踪目标相关联，并且随后基于匹配结果更新目标的3D位置，则问题变成了一个二分图匹配问题，图由亲和矩阵组成，则可以使用匈牙利算法解决问题。

亲和的测量

初始化使用epipolar constraint方法，以下是交叉匹配算法

c.增量三维姿态重建 

由于2D姿态是来自于不同时间的，所以要进行新的算法，即增量三维姿态重建，这里的方法是根据t时间的2D姿态来估计3D姿态，其他来自别的时间的2D姿态。

 

3.实验数据 

 

 4.可视化