AIC2023_Track1_Nota

[CVPRW2023] Abordar el problema de la oclusión en el seguimiento de personas con múltiples cámaras con estimación de la postura humana

El repositorio oficial del séptimo NVIDIA AI City Challenge (Pista 1: Seguimiento de personas con múltiples cámaras) del equipo Netspresso (Nota Inc.)

Ambiente

• Opción 1: Instalar dependencias en su entorno.

bash ./setup.sh

• Opción 2: usar nuestra imagen acoplable

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

Preparación de datos y modelos

1. Descargue el conjunto de datos y extraiga fotogramas

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

2. Descargue los modelos previamente entrenados (Google Drive)

Asegúrese de que la estructura de datos sea como:

 ├── 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

Reproducir resultados de MCPT

Ejecute bash ./run_mcpt.sh

Los archivos de resultados se guardarán de la siguiente manera:

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

Citación

 @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},
}

Condiciones de uso

El sistema de seguimiento de personas con múltiples cámaras publicado en este repositorio se desarrolló combinando varios módulos (por ejemplo, detector de objetos, modelo de reidentificación, modelo de seguimiento de múltiples objetos). No se permite el uso comercial de modificaciones, adiciones o parámetros recién entrenados realizados para combinar estos módulos. Sin embargo, el uso comercial de los módulos no modificados está permitido según sus respectivas licencias. Si desea utilizar los módulos individuales comercialmente, puede consultar sus repositorios y licencias originales que se proporcionan a continuación.

Enlace del detector de objetos (licencia): Github, Licencia

Enlace del modelo de reidentificación (licencia): Github, Licencia

Enlace del modelo de seguimiento de objetos múltiples (licencia): Github, Licencia