AIC2023_Track1_Nota

[CVPRW2023] Решение проблемы окклюзии при многокамерном отслеживании людей с помощью оценки позы человека

Официальный репозиторий 7-го конкурса NVIDIA AI City Challenge (Трек 1: Многокамерное отслеживание людей) от команды Netspresso (Nota Inc.)

Среда

• вариант 1. Установите зависимости в своей среде.

bash ./setup.sh

• вариант 2: использовать наш образ докера

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

Подготовка данных и модели

1. Загрузите набор данных и извлеките кадры

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

2. Загрузите предварительно обученные модели (Google Диск)

Убедитесь, что структура данных такая:

 ├── 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

Воспроизведение результатов MCPT

Запустите bash ./run_mcpt.sh

Файлы результатов будут сохранены следующим образом:

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

Цитирование

 @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},
}

Условия эксплуатации

Опубликованная в этом репозитории многокамерная система слежения за людьми была разработана путем объединения нескольких модулей (например, детектора объектов, модели повторной идентификации, модели многообъектного слежения). Коммерческое использование любых модификаций, дополнений или вновь обученных параметров, сделанных для объединения этих модулей, не допускается. Однако коммерческое использование немодифицированных модулей разрешено по соответствующим лицензиям. Если вы хотите использовать отдельные модули в коммерческих целях, вы можете обратиться к их оригинальным репозиториям и лицензиям, представленным ниже.

Ссылка на детектор объектов (лицензия): Github, Лицензия.

Ссылка на модель повторной идентификации (лицензию): Github, License.

Ссылка на модель многообъектного отслеживания (лицензия): Github, Лицензия.