AIC2023_Track1_Nota

[CVPRW2023] Resolvendo o problema de oclusão no rastreamento de pessoas com múltiplas câmeras com estimativa de pose humana

O repositório oficial do 7º NVIDIA AI City Challenge (Track1: Multi-Camera People Tracking) da equipe Netspresso (Nota Inc.)

Ambiente

• opção 1: Instale dependências em seu ambiente

bash ./setup.sh

• opção 2: Use nossa imagem 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

Preparação de dados e modelos

1. Baixe o conjunto de dados e extraia frames

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

2. Baixe os modelos pré-treinados (Google Drive)

Certifique-se de que a estrutura de dados seja semelhante a:

 ├── 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

Reproduzir resultados MCPT

Execute bash ./run_mcpt.sh

Os arquivos de resultados serão salvos da seguinte forma:

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

Citação

 @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},
}

Termos de uso

O sistema de rastreamento de pessoas multicâmeras publicado neste repositório foi desenvolvido combinando vários módulos (por exemplo, detector de objetos, modelo de reidentificação, modelo de rastreamento multiobjetos). Não é permitido o uso comercial de quaisquer modificações, acréscimos ou parâmetros recém-treinados feitos para combinar esses módulos. No entanto, o uso comercial dos módulos não modificados é permitido sob as respectivas licenças. Se desejar usar os módulos individuais comercialmente, você pode consultar seus repositórios e licenças originais fornecidos abaixo.

Link do detector de objetos (licença): Github, Licença

Link do modelo de reidentificação (licença): Github, Licença

Link do modelo de rastreamento de vários objetos (licença): Github, Licença