摘要

本文提出了一种新颖有效的轻量级框架，称为LightTrack，用于在线人体姿态跟踪。该框架设计为适用于自上而下的姿态跟踪，并且比现有的在线和离线方法更快。单人姿态跟踪（Single-Person Pose Tracking, SPT）和视觉目标跟踪（Visual Object Tracking, VOT）被整合到一个统一的功能实体中，通过可替换的单人姿态估计模块轻松实现。我们的框架将单人姿态跟踪与多人身份关联统一起来，首次尝试将关键点跟踪与目标跟踪结合起来。我们还提出了一种用于人体姿态匹配的Siamese图卷积网络（Siamese Graph Convolution Network, SGCN），作为我们姿态跟踪系统中的Re-ID模块。与其他Re-ID模块不同，我们使用了人体关节的图表示进行匹配。基于骨架的表示方法有效地捕捉了人体姿态的相似性，并且计算成本低廉。它对突然的摄像头移动导致的人体漂移具有较强的鲁棒性。据我们所知，这是第一篇提出自上而下在线人体姿态跟踪框架的论文。所提出的框架足够通用，可以适应其他姿态估计器和候选匹配机制。我们的方法在保持更高的帧率的同时优于其他在线方法，并且在性能上非常接近离线最先进水平。代码已公开发布在：https://github.com/Guanghan/lighttrack。