AIC2023_Track1_Nota

[CVPRW2023] Résoudre le problème d'occlusion dans le suivi de personnes multi-caméras avec estimation de la pose humaine

Le référentiel officiel du 7e NVIDIA AI City Challenge (Track1 : Multi-Camera People Tracking) de l'équipe Netspresso (Nota Inc.)

Environnement

• option 1 : Installer les dépendances dans votre environnement

bash ./setup.sh

• option 2 : Utiliser notre image Docker

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

Préparation des données et du modèle

1. Téléchargez l'ensemble de données et extrayez les images

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

2. Téléchargez les modèles pré-entraînés (Google Drive)

Assurez-vous que la structure des données ressemble à :

 ├── 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

Reproduire les résultats MCPT

Exécutez bash ./run_mcpt.sh

Les fichiers de résultats seront enregistrés comme suit :

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

Citation

 @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},
}

Conditions d'utilisation

Le système de suivi de personnes multi-caméras publié dans ce référentiel a été développé en combinant plusieurs modules (par exemple, détecteur d'objets, modèle de réidentification, modèle de suivi multi-objets). L'utilisation commerciale de toute modification, ajout ou paramètre nouvellement formé effectué pour combiner ces modules n'est pas autorisée. Cependant, l'utilisation commerciale des modules non modifiés est autorisée sous leurs licences respectives. Si vous souhaitez utiliser les modules individuels à des fins commerciales, vous pouvez vous référer à leurs référentiels et licences d'origine fournis ci-dessous.

Lien détecteur d'objets (licence) : Github, Licence

Lien modèle de réidentification (licence) : Github, Licence

Lien vers le modèle de suivi multi-objets (licence) : Github, Licence