AG-VPReID

AG-VPReID数据集是由昆士兰科技大学等机构创建的大型基准数据集，包含6632个身份标识，32321个轨迹，以及约960万帧图像。该数据集通过无人机、CCTV和可穿戴相机在不同时间和不同视角下捕获，旨在为视频基础上的人员重识别提供具有挑战性的大规模实验数据。数据集的特点包括：拥有最多的身份标识和轨迹数量；融合了航空、地面和可穿戴设备多种平台；具有最高的飞行拍摄高度；提供了丰富的户外场景和真实世界挑战；并具备全面的身份属性信息。AG-VPReID is a large-scale benchmark dataset developed by institutions including Queensland University of Technology and other relevant organizations. It contains 6632 identities, 32,321 trajectories, and approximately 9.6 million frame images. Captured via drones, closed-circuit television (CCTV) and wearable cameras across different time periods and viewing angles, this dataset aims to provide challenging large-scale experimental data for video-based person re-identification. The key characteristics of this dataset are as follows: it has the largest number of identities and trajectories; it integrates multiple capture platforms including aerial, ground and wearable devices; it features the highest aerial shooting altitude; it provides rich outdoor scenarios and real-world challenges; and it offers comprehensive identity attribute information.

搜集汇总

数据集介绍

构建方式

AG-VPReID数据集的构建方法涵盖了三个主要平台：无人机、固定摄像头和可穿戴摄像头。该数据集包含了6,632个身份、32,321个轨迹和960万个帧，这些帧是在不同的日期和时间收集的。无人机在不同的高度（15-120米）进行飞行，CCTV摄像头和可穿戴摄像头也用于数据收集。数据集包含了各种分辨率、帧率和视角，从地面到120米的高空视角。数据收集团队包括一名远程驾驶飞机系统工程师、一名首席远程飞行员和一名无人机技术员，他们负责无人机操作、数据收集和预处理。此外，使用YOLOv8x进行人员检测和跟踪，并提取所有帧的图像。身份匹配由多名专家注释员进行，并手动标记了每个身份的15个选择性软生物特征属性，以增强基于属性的行人重识别能力。

特点

AG-VPReID数据集具有五个独特的特点：1) 具有最多的身份和轨迹数量；2) 平台最多样化，包括空中、地面和可穿戴设备；3) 具有最高的飞行高度；4) 具有丰富的户外场景和现实世界的挑战；5) 具有其他显著特点，如每个身份的综合属性和长期跟踪数据。数据集还提供了相机校准信息和GPS坐标，以支持多相机跟踪研究。

使用方法

AG-VPReID数据集可用于评估和训练视频行人重识别模型，特别是针对空中-地面场景。数据集可以用于评估模型的鲁棒性、泛化能力和处理各种现实世界挑战的能力。用户可以使用数据集中的不同平台、视角和高度的数据来测试和训练模型。此外，数据集中的软生物特征属性可以用于基于属性的重识别研究。

背景与挑战

背景概述

AG-VPReID数据集的创建，标志着视频人物重识别领域的一个重大突破。由来自昆士兰科技大学和德雷塞尔大学的学者共同研发，该数据集于2024年问世，旨在解决跨平台空地视频人物重识别（ReID）中的独特挑战。AG-VPReID数据集包含了6632个身份，32321个轨迹和960万个来自无人机、CCTV和可穿戴摄像头的帧。这一数据集的创建，不仅填补了该领域在真实世界应用场景中的数据空白，也为研究者在复杂环境中提升态势感知和响应速度提供了宝贵资源。

当前挑战

AG-VPReID数据集的创建和利用面临诸多挑战。首先，空地视角下的人物外观变化巨大，包括极端视角差异、分辨率和尺寸的变化、部分遮挡以及由高空飞行和远距离拍摄引起的时序不连续性。传统的基于视频的人物重识别方法在地面场景中表现良好，但在空地场景中却难以应对这些复杂的变化。为了解决这些挑战，研究人员提出了AG-VPReID-Net，这是一个端到端框架，结合了三个互补的流：适应时空流、规范化外观流和多尺度注意力流。AG-VPReID-Net通过整合来自所有流的互补视觉语义信息，生成鲁棒的、视点不变的人物表示。尽管AG-VPReID-Net在AG-VPReID数据集和其他现有视频ReID基准上均取得了优于现有方法的性能，但其相对较低的性能也突显了该数据集的挑战性。

常用场景

经典使用场景

AG-VPReID 数据集是一个具有挑战性的大规模基准数据集，用于研究跨平台空中-地面视频人物重识别 (ReID) 方法的鲁棒性。它包含 6,632 个身份、32,321 个轨迹和 960 万帧图像，这些图像是从无人机、闭路电视和可穿戴相机捕获的。该数据集旨在解决空中-地面设置中 ReID 方法所面临的独特挑战，例如视角差异、分辨率和外观变化、部分遮挡以及由于高空飞行和长距离捕获导致的时序不连续性。AG-VPReID 数据集为研究人员提供了一个测试和评估 ReID 方法性能的平台，尤其是在涉及空中和地面视角的场景中。

解决学术问题

AG-VPReID 数据集解决了 ReID 研究中的一个关键问题，即缺乏大规模、多样化的数据集，这些数据集能够捕获空中和地面视角的细微差别。传统的 ReID 方法主要关注地面摄像头，而 AG-VPReID 数据集通过整合无人机、闭路电视和可穿戴相机的图像，为 ReID 研究提供了一个更全面的环境。此外，该数据集还解决了 ReID 方法在空中-地面场景中面临的独特挑战，例如视角差异、分辨率和外观变化、部分遮挡以及时序不连续性。通过提供这些具有挑战性的数据，AG-VPReID 数据集有助于推动 ReID 研究的发展，并促进更鲁棒的 ReID 方法的开发。

衍生相关工作

AG-VPReID 数据集的提出也催生了一系列相关研究工作。AG-VPReID-Net 是一个端到端框架，它结合了三个互补的流，以解决空中-地面 ReID 的挑战。AG-VPReID-Net 在 AG-VPReID 数据集和其他现有的基于视频的 ReID 基准测试中表现出优异的性能，证明了其有效性和泛化能力。此外，AG-VPReID 数据集的发布也促进了 ReID 研究领域的发展，推动了新的 ReID 方法和算法的开发。AG-VPReID 数据集的发布为 ReID 研究人员提供了一个具有挑战性的基准测试平台，促进了 ReID 研究的进一步发展。