本文介绍 行人轨迹预测

行人轨迹预测

This article was original written by Jin Tian, welcome re-post, first come with https://jinfagang.github.io . but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu

开始记录一下行人轨迹预测相关的工作。思考行人轨迹预测问题的时候,我想应该分为两个方面:

  • 基于跟踪的轨迹预测,跟踪一个目标,然后把轨迹画出来
  • 基于检测的轨迹预测,每一针率把目标检测出来,然后对目标进行轨迹绘制,从而得到他的行进方向。

这个两个方面都可以实现轨迹的预测,但是他们二者却有这本质的区别。跟踪的方法其实无法离开检测的,跟踪的好处是能够区分目标,知道当前帧的目标在下一帧的时候在哪个地方。但是检测却无法做到这一点。因此必须先实现跟踪,才能做轨迹的预测。

行人检测任务可以细分为两个点:1. 实现行人的ID匹配,2. 实现轨迹的行走方向预测。

Some work

  1. OpenPTrack

    记录一些已经有的work,在这方面,可能OpenPTrack是做的十分好的。它提供了包括Yolo在内的行人检测,跟踪,人体姿态检测在内的许多功能。网址:http://openptrack.org/。

    新版的OpenPTrack v2 叫做 Gnocchi. 不过在这个工作中,貌似对传感器的要求是需要一个kinect,但是这种东西要kinect肯定是十分复杂的。

    OPT2需要RGBD的图像进行3维的定位和跟踪,事实证明这种方式目前还是过于复杂。简单的多目标追踪应该就足以应付许多复杂的场景和情况。

  2. Others

思路

实现一个行人轨迹预测,需要两个东西,一个高性能的检测器,一个高性能的跟踪器,最后二者结合的轨迹预测。

先实现一个高性能的检测器?