姿态流

在PoseTrack挑战验证集上的结果：

任务2：多人姿态估计(mAP)

方法	头部mAP	肩部mAP	肘部mAP	手腕mAP	臀部mAP	膝盖mAP	脚踝mAP	总mAP
Detect-and-Track(FAIR)	67.5	70.2	62	51.7	60.7	58.7	49.8	60.6
AlphaPose	66.7	73.3	68.3	61.1	67.5	67.0	61.3	66.5

任务3：姿态跟踪(MOTA)

方法	头部MOTA	肩部MOTA	肘部MOTA	手腕MOTA	臀部MOTA	膝盖MOTA	脚踝MOTA	总MOTA	总MOTP	速度(FPS)
Detect-and-Track(FAIR)	61.7	65.5	57.3	45.7	54.3	53.1	45.7	55.2	61.5	未知
PoseFlow(DeepMatch)	59.8	67.0	59.8	51.6	60.0	58.4	50.5	58.3	67.8	8
PoseFlow(OrbMatch)	59.0	66.8	60.0	51.8	59.4	58.4	50.3	58.0	62.2	24

要求

Python 2.7.13
OpenCV 3.4.2.16
OpenCV-contrib 3.4.2.16
tqdm 4.19.8

安装

从PoseTrack下载PoseTrack数据集到AlphaPose/PoseFlow/posetrack_data/
(可选)使用DeepMatching提取每个视频中相邻帧之间的密集对应关系，请参考DeepMatching编译错误正确编译DeepMatching

pip install -r requirements.txt

cd deepmatching
make clean all
make
cd ..

适用于任何数据集(通用版本)

使用AlphaPose生成多人姿态估计结果。

# pytorch版本
python demo.py --indir ${image_dir}$ --outdir ${results_dir}$

# torch版本
./run.sh --indir ${image_dir}$ --outdir ${results_dir}$

运行姿态跟踪

# pytorch版本
python tracker-general.py --imgdir ${image_dir}$ 
                          --in_json ${results_dir}$/alphapose-results.json 
                          --out_json ${results_dir}$/alphapose-results-forvis-tracked.json
                          --visdir ${render_dir}$

# torch版本
python tracker-general.py --imgdir ${image_dir}$ 
                          --in_json ${results_dir}$/POSE/alpha-pose-results-forvis.json 
                          --out_json ${results_dir}$/POSE/alpha-pose-results-forvis-tracked.json
                          --visdir ${render_dir}$

PoseTrack数据集评估(论文基线)

使用AlphaPose在视频上生成多人姿态估计结果，格式类似于alpha-pose-results-sample.json。
使用DeepMatching/ORB生成对应文件。

# 使用DeepMatching生成对应关系
# (更稳健但较慢)
python matching.py --orb=0 

或者

# 使用Orb生成对应关系
# (更快但稳健性较差)
python matching.py --orb=1

运行姿态跟踪

python tracker-baseline.py --dataset=val/test  --orb=1/0

评估

原始poseval有一些关于如何将注释文件从MAT转换为JSON的说明。

在验证数据集上评估姿态跟踪结果：

git clone https://github.com/leonid-pishchulin/poseval.git --recursive
cd poseval/py && export PYTHONPATH=$PWD/../py-motmetrics:$PYTHONPATH
cd ../../
python poseval/py/evaluate.py --groundTruth=./posetrack_data/annotations/val \
                    --predictions=./${track_result_dir}/ \
                    --evalPoseTracking --evalPoseEstimation

引用

如果这些论文对您的研究有帮助，请在您的出版物中引用它们：

@inproceedings{xiu2018poseflow,
  author = {Xiu, Yuliang and Li, Jiefeng and Wang, Haoyu and Fang, Yinghong and Lu, Cewu},
  title = {{Pose Flow}: Efficient Online Pose Tracking},
  booktitle={BMVC},
  year = {2018}
}

PoseFlow

姿态流

最新特性

要求

安装

适用于任何数据集(通用版本)

PoseTrack数据集评估(论文基线)

引用