AIC2023_Track1_Nota

[CVPRW2023] 通过人体姿态估计解决多摄像头人物跟踪中的遮挡问题

Netspresso 团队 (Nota Inc.) 第七届 NVIDIA AI 城市挑战赛（赛道 1：多摄像头人物追踪）的官方资料库

环境

• 选项 1：在您的环境中安装依赖项

bash ./setup.sh

• 选项 2：使用我们的 docker 镜像

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

数据和模型准备

1. 下载数据集并提取帧

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

2. 下载预训练模型（Google Drive）

确保数据结构如下：

 ├── 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

重现 MCPT 结果

运行bash ./run_mcpt.sh

结果文件将保存如下：

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

引文

 @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},
}

使用条款

该存储库中发布的多摄像头人员跟踪系统是通过组合多个模块（例如对象检测器、重新识别模型、多对象跟踪模型）而开发的。不允许将任何修改、添加或新训练的参数用于组合这些模块的商业用途。然而，未经修改的模块的商业使用是允许在其各自的许可证下进行的。如果您希望将各个模块用于商业用途，您可以参考下面提供的原始存储库和许可证。

对象检测器（许可证）链接：Github、许可证

重新识别模型（许可证）链接：Github、License

多目标跟踪模型（许可证）链接：Github、License