AIC2023_Track1_Nota

[CVPRW2023] 透過人體姿態估計解決多攝影機人物追蹤中的遮蔽問題

Netspresso 團隊 (Nota Inc.) 第七屆 NVIDIA AI 城市挑戰賽（賽道 1：多攝影機人物追蹤）的官方資料庫

環境

• 選項 1：在您的環境中安裝依賴項

bash ./setup.sh

• 選項 2：使用我們的 docker 映像

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

數據和模型準備

1. 下載資料集並提取幀

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

2. 下載預訓練模型（Google Drive）

確保資料結構如下：

 ├── 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

重現 MCPT 結果

運行bash ./run_mcpt.sh

結果文件將保存如下：

 ├── 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},
}

使用條款

此儲存庫中發布的多攝影機人員追蹤系統是透過組合多個模組（例如物件偵測器、重新識別模型、多物件追蹤模型）而開發的。不允許將任何修改、新增或新訓練的參數用於組合這些模組的商業用途。然而，未經修改的模組的商業使用是允許在其各自的許可證下進行的。如果您希望將各個模組用於商業用途，您可以參考下面提供的原始儲存庫和授權。

物件偵測器（許可證）連結：Github、許可證

重新識別模型（許可證）連結：Github、License

多目標追蹤模型（許可證）連結：Github、License