两点值得关注：
①解决视角多变
粗略姿势+精细姿势结合的方法
粗鲁姿势即通过相机视角捕获的几种情况进行分析，分正面、背面、侧面三种类别，加一个softmax做分类，用作视角预测。这算是对预测ID提供一个粗略的帮助。
精细姿势就是熟知的骨架关键点，利用人体的关节信息去做一个精细的判断。这里提到用的是Deepcut模型提取关节点信息，值得一看。【Deepercut: A deeper, stronger, and faster multiperson pose estimation model，2016】
②一种重排序方法
与之前ZZ那篇效果差不多，这里使用到一种扩展领域交叉距离的概念，公式太多，难理解。不过，ZZ的re-ranking算是学术界常用的，以后有机会搜集re-ranking系列，对结果的提升起码能到4%左右吧！
17指的是14个关键点分别作为一个通道以及3个RGB通道一起输入网络。最终根据feature map的带有关键点的置信图去做一个视角的分类，即人体的朝向预测，指导最后的id预测。我觉得应该可以加一个ROI区域，除了分类损失，将这个ROI分支做三元组损失计算，一方面这个ROI可以达到分块方法的效果，即根据关键点信息界定头部、上身以及下身的检测框区域随后提取部位局部特征的信息，还能做一个类间类内的度量量化，算是细化的重排。
端正姿态真的很重要~
