DetReIDX

DetReIDX是一个大规模的空中-地面人物数据集，专为在现实世界条件下对人员再识别技术进行压力测试而设计。数据集包括来自三个大洲七个大学校园的509个身份的超过1300万个边界框。数据集的参与者至少在两天内记录了两次，服装、日光和位置都发生了变化，这使得它适合实际评估长期的人员再识别。此外，数据还标注了16个软生物特征属性和多任务标签，用于检测、跟踪、再识别和动作识别。

原始信息汇总

DetReIDX 数据集概述

数据集基本信息

• 名称: DetReIDX: A Stress-Test Dataset for Real-World UAV-Based Person Recognition
• 用途: 支持计算机视觉任务，包括行人检测、重识别(ReID)、多视角跟踪和动作识别
• 采集方式: 无人机(最高120m)和地面相机在复杂室外场景采集
• 特点:
  • 包含室内和室外场景
  • 18个无人机视角
  • 不同高度(最高120m)、距离和相机角度(30°,60°,90°)
  • 每人在不同会话中穿着不同服装

关键统计

• 身份数量: 509个
• 标注数量: 1300万+
• 最大高度: 120m
• 采集地点: 7个
• 高度范围: 5.8m至120m
• 距离范围: 10m至120m
• 跨会话: 2个会话(不同服装和条件)

数据采集协议

室内采集

• 每个受试者从三个角度拍摄: 右(R)、前(F)、左(L)
• 记录自然行走的步态视频

室外采集

• 在两个会话中进行
• 每个会话包含18个采集点
• 不同距离和高度

会话	距离(m)	高度(m)
1	10-120	5.8-120
2	10-120	5.8-120

标注信息

• 标注工具: CVAT
• 标注类型:
  • 边界框
  • 跟踪ID
  • 动作标签
• 软生物特征属性: 16个(包括年龄、性别、服装等)

数据集划分

检测数据集

划分	视频数	图像数	标注数	格式
训练	120	131,580	5,095,539	YOLO, COCO
验证	56	63,591	2,483,836	YOLO, COCO
测试	109	108,252	4,217,824	YOLO, COCO
总计	285	303,423	11,797,199

ReID数据集

场景	查询数	图库数	总图像数
训练	-	-	289,392
A2A	52,926	52,552	105,478
A2G	106,927	7,959	114,886
G2A	7,959	106,927	114,886

实验设置

行人检测

• 基线: 在整个数据集上训练和测试
• 插值: 在30°和90°角度训练，测试60°
• 外推: 在30°和60°角度训练，测试90°
• 距离划分: D1(<20m), D2(20-50m), D3(>50m)

ReID结果

实验	mAP	Rank-1	Rank-5	Rank-10
Aerial→Aerial	9.9%	8.8%	14.4%	17.6%
Aerial→Ground	22.3%	19.6%	24.8%	27.6%
Ground→Aerial	23.3%	51.9%	59.4%	63.0%

数据获取

• 访问限制: 仅限学术/政府机构研究人员
• 请求要求:
  • 机构邮箱
  • 签署的访问请求信
  • 完整请求表格

引用信息

bibtex @article{hambarde2025detreidx, title={DetReIDX: A Stress-Test Dataset for Real-World UAV-Based Person Recognition}, author={Hambarde, Kailash and Proenc{c}a, Hugo and Fernandes, Carolina and MP, Pavan Kumar and Mbongo, Nzakiese and Mekewad, Satishkumar and Silahtaroglu, G{"o}khan and Nithya, Alice A. and Wasnik, Pawan and Rashidunnabi, Md and Samale, Pranita}, journal={arXiv preprint arXiv:2505.04793}, year={2025}, url={https://arxiv.org/abs/2505.04793} }

搜集汇总

数据集介绍

构建方式

DetReIDX数据集通过多阶段采集协议构建，涵盖室内外环境。室内采集包括多角度肖像和步态视频，使用DSLR和智能手机设备；室外采集通过无人机在5.8至120米高度范围内，以18种固定视角记录两期不同着装会话。数据来自三大洲七所大学，确保地理和人口多样性。所有标注通过CVAT工具人工完成，包含边界框、跟踪ID、16种软生物特征属性及多任务标签。

特点

该数据集具有显著的跨域挑战性：包含509个身份共1300万标注框，覆盖无人机与地面视角的跨会话匹配。核心创新在于强制引入服饰变更的长期重识别场景，以及5.8-120米超大高度跨度带来的尺度变化。每个身份配备16种精细生物特征标注，支持检测、跟踪、重识别和行为识别等多任务评估，其视角多样性和分辨率跨度远超现有基准。

使用方法

数据集提供YOLO/COCO格式的标准划分，支持三种评估模式：无人机到无人机（A2A）、无人机到地面（A2G）及反向跨域匹配（G2A）。研究者可通过官方协议测试模型在极端高度、服饰变化和分辨率衰减下的鲁棒性。配套的软生物特征标签支持细粒度分析，建议优先验证跨会话服饰不变性和超低分辨率下的特征保持能力。

背景与挑战

背景概述

DetReIDX数据集由Kailash A. Hambarde等研究人员于2025年提出，旨在解决无人机（UAV）监控场景下行人重识别（ReID）的挑战。该数据集由来自葡萄牙、土耳其、印度和安哥拉七个大学校园的509个身份组成，包含超过1300万个边界框，覆盖5.8米至120米的无人机飞行高度和10米至120米的拍摄距离。DetReIDX的核心研究问题在于如何在真实世界的复杂条件下（如视角变化、分辨率差异、遮挡和服装变化）实现鲁棒的行人重识别。该数据集通过多会话设计和丰富的软生物特征标注，显著推动了跨视角、长距离行人识别领域的研究。

当前挑战

DetReIDX数据集面临的挑战主要包括两个方面：领域问题的挑战和构建过程的挑战。在领域问题方面，该数据集旨在解决无人机监控场景下的行人重识别问题，其核心挑战包括极端视角变化（如俯视角）、低分辨率（行人目标可能小于10像素）、跨会话服装变化以及长距离识别中的特征退化。在构建过程中，研究人员需克服多地点数据采集的协调困难、大规模标注的复杂性（如16种软生物特征标注）、跨会话身份一致性维护，以及无人机在不同高度和角度下的数据质量控制。这些挑战使得DetReIDX成为目前最具真实性和挑战性的无人机行人识别基准数据集。

常用场景

经典使用场景

DetReIDX数据集在无人机（UAV）监控和跨视角行人重识别（ReID）研究中具有重要应用价值。该数据集通过多会话采集、跨洲际分布和极端视角变化，为研究人员提供了一个真实且具有挑战性的测试平台。经典使用场景包括在复杂环境下进行行人检测、跨视角身份匹配以及长期身份追踪。数据集中的多任务标注（如检测、跟踪、ReID和行为识别）使其成为评估算法鲁棒性的理想选择。

衍生相关工作

DetReIDX的发布催生了一系列相关研究工作，特别是在跨视角行人重识别和鲁棒性检测领域。基于该数据集，研究人员提出了针对极端视角的特征对齐方法、服装不变的重识别模型以及低分辨率行人检测算法。这些工作显著推进了无人机监控技术的发展，并为后续的大规模跨域行人分析奠定了基础。数据集的多任务标注也促进了检测-跟踪-重识别联合优化方法的研究。

数据集最近研究

最新研究方向

随着无人机技术的快速发展，基于无人机视角的行人重识别（ReID）技术正成为计算机视觉领域的前沿研究方向。DetReIDX数据集的推出填补了现有基准数据集在真实场景下的空白，其多会话、多视角、跨大陆的设计为研究长期行人重识别和跨域匹配提供了重要支撑。当前研究热点集中在解决极端视角变化、低分辨率、服装变化等挑战，探索视角无关的特征表示、分辨率不变性建模以及基于软生物特征的识别方法。该数据集的出现推动了无人机监控系统在实际安防、应急救援等场景中的应用，为开发鲁棒的行人重识别算法设立了新的基准。

相关研究论文

• DetReIDX: A Stress-Test Dataset for Real-World UAV-Based Person Recognition

  Instituto de Telecomunicac¸˜oes and the University of Beira Interior · 2025年