FlyPose-104

FlyPose-104是由德国联邦国防军大学团队构建的航拍人体姿态估计专用数据集，包含104张多场景图像及193个标注人体实例。该数据集聚焦极端视角挑战，覆盖5-50米飞行高度采集的雪地、水泥地等多背景数据，人工标注了17个COCO标准关键点及遮挡标记。其创新性在于系统收录了90度俯视角和重度自遮挡样本，旨在解决无人机在人群密集环境中因低分辨率、肢体缩短和遮挡导致的姿态识别难题，为航拍视角算法验证提供基准。

FlyPose-104 is a dedicated dataset for aerial human pose estimation developed by the research team from Bundeswehr University Munich. It consists of 104 multi-scene images and 193 manually annotated human instances. This dataset targets extreme viewpoint challenges, with data collected at flight altitudes ranging from 5 to 50 meters across various backgrounds such as snowfields and concrete floors. Each instance is manually annotated with 17 COCO-standard keypoints and occlusion markers. The core innovation of this dataset lies in its systematic collection of 90-degree top-down viewpoint samples and severely self-occluded instances. It aims to address the pose recognition difficulties faced by drones in dense crowd environments, which are caused by low image resolution, limb foreshortening and occlusion, and provides a benchmark for validating aerial viewpoint-based pose estimation algorithms.

原始信息汇总

FlyPose-104 数据集概述

数据集基本信息

• 数据集名称: FlyPose-104
• 核心内容: 包含多样化航空条件下的人体姿态标注。
• 用途: 专为研究目的提供。

数据集获取

• 下载方式: 通过填写指定表单获取访问权限。
• 下载链接: https://docs.google.com/forms/d/e/1FAIpQLSdu98Ukj6---OFhHWNGc5_PLH8L0RcikVS1voJ7vZNdORFnwg/viewform?usp=header

相关研究背景

• 所属项目: FlyPose
• 项目目标: 开发用于航空影像的轻量级自上而下人体姿态估计流程，以应对低分辨率、陡视角和（自）遮挡等挑战。
• 项目成果: 在多个测试集上提升了人员检测和2D人体姿态估计的平均精度，并可在无人机机载设备上实时运行。
• 论文发表: 相关论文已被 WACV 2026 接收。

引用信息

若在研究中使用了本数据集或相关工作，请引用以下文献： bibtex @inproceedings{flypose2026, title={FlyPose: Towards Robust Human Pose Estimation From Aerial Views}, author={Hassaan Farooq, Marvin Brenner, Peter Stütz}, booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)}, year={2026} }

搜集汇总

数据集介绍

构建方式

在无人机视觉感知领域，针对空中视角下人体姿态估计数据稀缺的现状，FlyPose-104数据集应运而生。该数据集通过精心筛选与整合，收录了104幅涵盖多样背景与复杂场景的图像，其中部分样本源自公开的航空影像资源。构建过程中，研究团队对图像中总计193个人体实例进行了细致的人工标注，不仅提供了符合COCO格式的17个关键点坐标，还额外标注了人体边界框及关键点可见性标志，确保了标注质量与一致性。数据集特别纳入了从5米至50米不同飞行高度采集的多尺度人体样本，以及包含90度俯视角与严重遮挡情形的挑战性场景，从而系统性地捕捉了空中人体姿态估计的核心难点。

特点

FlyPose-104数据集的核心特征在于其高度挑战性与代表性。数据集聚焦于空中俯视视角，其图像普遍存在因拍摄角度陡峭导致的肢体透视缩短、频繁的自遮挡以及低分辨率等问题，这些因素共同构成了对现有姿态估计模型的严峻考验。数据样本覆盖了雪地、泥土、混凝土、水面及草地等多种复杂背景，模拟了无人机在真实任务环境中可能遭遇的多样化场景。尤为重要的是，数据集通过精心设计的样本分布，集中体现了因飞行高度变化带来的人体尺度差异、相机视角的极端变化以及复杂的背景干扰，为评估模型在真实空中作业条件下的鲁棒性提供了宝贵的基准。

使用方法

FlyPose-104数据集主要作为评估基准，用于测试和验证面向空中视角的人体姿态估计模型的性能。研究人员可将该数据集作为测试集，评估其模型在应对俯视角、遮挡及小尺度人体等挑战时的表现。具体而言，模型首先需要在图像中检测出人体边界框，随后在每个检测框内预测出17个预定义的身体关键点。评估通常采用基于目标关键点相似度的平均精度等标准指标。该数据集规模虽小，但其包含的困难样本能有效揭示模型在真实无人机应用场景中的短板，从而推动开发更具鲁棒性的轻量化姿态估计方案，以适配无人机有限的机载计算资源。

背景与挑战

背景概述

随着无人机在包裹递送、交通监控、灾难响应等近人环境中的应用日益广泛，从空中视角准确感知人体姿态与行为成为保障安全可靠运行的关键。在此背景下，由慕尼黑联邦国防大学研究人员于2026年发布的FlyPose-104数据集应运而生，旨在应对空中人体姿态估计这一核心研究问题。该数据集聚焦于无人机俯拍视角下的人体姿态标注，涵盖了从5米至50米不同高度、多种复杂背景下的图像，其发布显著弥补了该领域高质量标注数据稀缺的不足，为开发鲁棒且轻量化的实时姿态估计模型提供了至关重要的基准测试资源，推动了无人机在人群密集环境中智能感知能力的发展。

当前挑战

FlyPose-104数据集所针对的空中人体姿态估计任务面临多重固有挑战。从领域问题层面看，无人机俯视视角导致人体肢体严重透视缩短、频繁的自遮挡以及面部等关键点可见性极低，同时受限于飞行高度与传感器分辨率，图像中人体目标尺度微小、像素信息匮乏，这对现有基于地面视角数据训练的模型构成了严峻的泛化性考验。在数据集构建过程中，挑战同样突出：获取涵盖多样高度、复杂背景（如雪地、水面）且包含严重遮挡的真实空中图像已属不易，而在此类低分辨率、高噪声图像上进行精确的17个COCO关键点人工标注则更为困难，需要标注者克服视角畸变带来的歧义，这直接导致了大规模高质量空中姿态标注数据的稀缺。

常用场景

经典使用场景

在无人机技术日益融入人类活动空间的背景下，FlyPose-104数据集为从空中视角进行人体姿态估计研究提供了关键基准。该数据集通过精心采集的104幅图像，涵盖了雪地、泥土、混凝土、水面和草地等多种复杂背景，并包含从5米至50米不同高度捕获的多尺度人体目标。其经典使用场景集中于评估和优化模型在极端俯视角度、严重遮挡及低分辨率条件下的性能，为无人机在包裹递送、交通监控等近人环境中的安全感知任务提供了标准化测试平台。

实际应用

该数据集的实际应用价值在无人机近人作业场景中得到充分体现。基于FlyPose-104训练的模型可部署于搭载Jetson Orin AGX等边缘计算平台的无人机上，实现毫秒级延迟的实时姿态感知。在物流配送场景中，系统能通过识别地面人员的指向手势调整降落轨迹；在搜救任务中，可于复杂地形中快速定位被困者的肢体姿态；在城市交通监控中，则能分析行人流动模式以优化空中巡检策略。这些应用显著提升了无人机在动态人机共存环境中的交互安全性与任务适应性。

衍生相关工作

FlyPose-104数据集的发布催生了系列相关研究工作的演进。基于该数据集构建的FlyPose管道整合了RT-DETRv2-S检测器与ViTPose-S姿态估计器，为后续轻量化架构设计提供了参考范式。其多数据集训练策略启发了跨域自适应方法在航空影像中的探索，如融合VisDrone、Manipal-UAV等数据集的联合训练框架。在模型优化层面，该工作推动了对归一化瓦瑟斯坦距离损失函数在小目标检测中的深入研究，同时促进了针对热成像与RGB影像的多模态姿态估计技术发展，为无人机全时段感知能力提升奠定基础。