作者：Long Chen，Haizhou Ai，Rui Chen，Zijie Zhuang，Shuang Liu

作者单位：清华大学计算机科技系，AiFi公司

发布时间：2020

发布期刊/会议：CVPR

出版商：IEEE

**论文全称：**Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS

论文地址：

Cross-View Tracking for Multi-Human 3D Pose Estimation at Over 100 FPS

视频演示：

Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS_哔哩哔哩_bilibili

公开的数据集：

https://github.com/longcw/crossview_3d_pose_tracking

地位：

个人理解

• 创新点：
  • 计算代价与相机数量成线性关系。
  • 输入：
    • 已有算法：将同一时刻的不同摄像机检测到的 2D Pose 同时输入。
    • 本文算法：假设不同相机的视频帧是独立的，视频帧按照时间顺序获取，并且迭代的一帧一帧的输入。
  • 直接使用 2D Pose在三维空间中与 3D Pose 进行匹配
• **为什么：**在多视图方法中，现有方法多为一个人的 2D 关节匹配并进行跨视图关联，最终多视图重建法确定每个关节的 3D 位置，但是这类方法会出现以下两个问题：① 检测到的 2D 关节嘈杂且不准确；②多人拥挤场景交叉视图关联不明确；③随着人员和相机数量的增加，计算复杂性增加
• **怎么做：**作者提出了一种新的实时3D姿态估计算法，通过计算 2D pose 和 3D pose 之间的 2D 亲和度和 3D亲和度，将该问题转换为 加权二部图匹配问题，然后使用匈牙利算法进行求解。