AIC2023_Track1_Nota

[CVPRW2023] Lösung des Okklusionsproblems bei der Personenverfolgung mit mehreren Kameras mithilfe der Schätzung der menschlichen Pose

Das offizielle Repositorium für die 7. NVIDIA AI City Challenge (Track1: Multi-Camera People Tracking) vom Team Netspresso (Nota Inc.)

Umfeld

• Option 1: Installieren Sie Abhängigkeiten in Ihrer Umgebung

bash ./setup.sh

• Option 2: Verwenden Sie unser Docker-Image

docker build -t aic2023/track1_nota:latest -f ./Dockerfile .
docker run -it --gpus all -v /path/to/AIC2023_Track1_Nota:/workspace/AIC2023_Track1_Nota aic2023/track1_nota:latest /bin/bash

Daten- und Modellvorbereitung

1. Laden Sie den Datensatz herunter und extrahieren Sie Frames

 # extract frames
python3 tools/extract_frames.py --path /path/to/AIC23_Track1_MTMC_Tracking/

2. Laden Sie die vorab trainierten Modelle herunter (Google Drive)

Stellen Sie sicher, dass die Datenstruktur wie folgt aussieht:

 ├── AIC2023_Track1_Nota
    └── datasets
    |   ├── S001
    |   |   ├── c001
    |   |   |   ├── frame1.jpg
    |   |   |   └── ...
    |   |   ├── ...
    |   |   └── map.png
    |   ├── ...
    |   └── S022
    |
    └── pretrained
        ├── market_mgn_R50-ibn.pth
        ├── duke_sbs_R101-ibn.pth
        ├── msmt_agw_S50.pth
        ├── market_aic_bot_R50.pth
        ├── yolov8x6.pth
        ├── yolov8x6_aic.pth
        └── yolov8x_aic.pth

MCPT-Ergebnisse reproduzieren

Führen Sie bash ./run_mcpt.sh aus

Die Ergebnisdateien werden wie folgt gespeichert:

 ├── AIC2023_Track1_Nota
    └── results
        ├── S001.txt
        ├── ...
        └── track1_submission.txt

Zitat

 @InProceedings{Kim_2023_CVPR,
    author    = {Jeongho Kim, Wooksu Shin, Hancheol Park and Jongwon Baek},
    title     = {Addressing the Occlusion Problem in Multi-Camera People Tracking with Human Pose Estimation},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops},
    month     = {June},
    year      = {2023},
}

Nutzungsbedingungen

Das in diesem Repository veröffentlichte Multikamera-Personenverfolgungssystem wurde durch die Kombination mehrerer Module (z. B. Objektdetektor, Reidentifizierungsmodell, Multiobjektverfolgungsmodell) entwickelt. Die kommerzielle Nutzung von Änderungen, Ergänzungen oder neu trainierten Parametern zur Kombination dieser Module ist nicht gestattet. Die kommerzielle Nutzung der unveränderten Module ist jedoch im Rahmen ihrer jeweiligen Lizenzen gestattet. Wenn Sie die einzelnen Module kommerziell nutzen möchten, können Sie auf die unten angegebenen Original-Repositories und Lizenzen verweisen.

Link zum Objektdetektor (Lizenz): Github, Lizenz

Link zum Reidentifizierungsmodell (Lizenz): Github, Lizenz

Link zum Multi-Objekt-Tracking-Modell (Lizenz): Github, Lizenz