每日论文记录6-Multi-View Multi-Person 3D Pose Estimationwith Uncalibrated Camera Networks（BMVC2022）

论文地址： Multi-View Multi-Person 3D Pose Estimation with Uncalibrated Camera Networks (mpg.de)

1.论文简介

该论文提出了一种无标定的相机的多目3D人体姿态检测方法（MVMP），其可以在开放数据集上预先训练的发达的2D人体检测和描述网络，可推广到任意设置的多视图几何和优化算法相结合。这篇文章的特点在于没有采用之前的算法，体素化，三角测量，而是一种新的多视角匹配的方法，能在非标定的多相机下运行，这是创新点

 2.文章结构

a.其将跨视图人体匹配作为一个约束优化问题来求解的过程，假设有N个相机与K个人，则其通过聚类算法将每一个人在不同视角下的图片分类出来，并且满足以下三个条件：①每一个人至少被两个以上相机看见②匹配的图片数量小于匹配的人的相机拍摄数量（N）③同一视角下的人不应该被匹配，如图下

b. 相机的姿态检测与自检验

（a）相机的姿态检测

形式上，设相机对（a，b）的点对应集为（pa，pb）。我们首先在RANSAC算法循环中求解本质矩阵Eab。接下来，我们将Eab分解为一个相对旋转矩阵Rab和一个按比例缩放的相对平移选项卡。对所有相机对重复此过程，以获得相机网络的3D布局。

（b)自检验

提出了一种相机自我检验的方法来防止相机陷入局部最小值的问题

c.多视图的聚合和束调整

聚合的意思是将不同配对视角下的人的姿态结合到一起，但这就会造成人的不自然与相对位置不正确的问题，所以通过最小化L2距离（2D姿态与3D姿态的投影在每个相机）

3.数据

4.可视化