IR-UWB Radar Signal Dataset for Dense People Counting

该数据集包含376,000个脉冲无线超宽带(IR-UWB)雷达信号，记录了最多20人在三种密集场景下的活动。这些场景包括0-20人在一个限制区域内随机行走，密度分别为每平方米3人和4人，以及最多15人在队列中站立，平均距离为10厘米。数据集用于研究密集人群计数问题。

This dataset comprises 376,000 impulse radio ultra-wideband (IR-UWB) radar signals, capturing the activities of up to 20 individuals in three dense scenarios. These scenarios include random walking of 0-20 people within a confined area, with densities of 3 and 4 people per square meter, respectively, and up to 15 people standing in a queue with an average distance of 10 centimeters. The dataset is utilized for research on dense crowd counting issues.

原始信息汇总

数据集概述

数据集名称

IR-UWB Radar Signal Dataset for Dense People Counting

数据集内容

• 信号类型：376,000个脉冲无线电超宽带(IR-UWB)雷达信号。
• 场景描述：
  • 场景1和2：0-20人在一个限制区域内随机行走，密度分别为每平方米3人和4人。
  • 场景3：最多15人排队站立，平均距离10厘米。

实验设置

• 雷达系统：使用Novelda NVA-R661雷达模块。
• 安装高度：1.8米。
• 检测范围：5米。
• 中央角度：90度。

数据集详细描述

• 信号收集：每个场景中特定人数下收集8000个雷达信号，每个测量记录200个接收信号。
• 信号特征：每个雷达样本中的信号包含1280个采样点，代表5米的检测范围，空间分辨率为0.0039米。
• 数据格式：.mat格式。

参与测试者

• 人数：44人。

数据集大小

• 场景1和2：248,000个雷达信号。
• 场景3：128,000个雷达信号。

参考文献

[1] X. Yang, W. Yin, L. Li and L. Zhang, "Dense People Counting Using IR-UWB Radar with a Hybrid Feature Extraction Method," arXiv preprint arXiv:1806.06629.

搜集汇总

数据集介绍

构建方式

IR-UWB雷达信号数据集的构建基于Novelda NVA-R661雷达模块，在开放大厅中进行数据采集。雷达安装高度为1.8米，探测范围为5米，中心角为90度。数据集包含三种密集场景：场景1和场景2中，0至20人在每平方米3至4人的密度下随机行走；场景3中，最多15人以平均10厘米的间距站立。44名测试者参与实验，确保数据的多样性。每个场景下，针对特定人数采集8000个雷达信号，每个测量记录200个接收信号，每个信号包含1280个采样点，代表5米的探测范围。

特点

该数据集包含376,000个IR-UWB雷达信号，覆盖最多20人的密集场景。数据集以.mat格式存储，每个测量文件包含详细的雷达信号信息。场景1和场景2生成248,000个信号，场景3生成128,000个信号。每个信号的空间分辨率为0.0039米，能够精确反映探测范围内的人员分布。数据集的高密度场景和多样化的测试者群体为算法开发提供了丰富的训练和验证数据。

使用方法

该数据集可用于密集人群计数算法的开发与验证。用户可通过加载.mat文件获取雷达信号数据，每个文件包含特定场景下的测量结果。数据集的信号采样点和空间分辨率信息可用于特征提取和模型训练。研究人员可结合混合特征提取方法，利用该数据集进行算法性能评估和优化。数据集的高密度场景设计特别适用于测试算法在复杂环境下的鲁棒性和准确性。

背景与挑战

背景概述

在感知应用领域，人群计数技术一直是研究热点之一。IR-UWB雷达信号数据集由研究人员X. Yang等人于2018年创建，旨在解决高密度环境下的人群计数问题。该数据集通过使用Novelda NVA-R661雷达模块，采集了376,000个IR-UWB雷达信号，涵盖了最多20人在三种高密度场景下的行为数据。这些场景包括在受限区域内随机行走的人群（密度为3和4人/平方米）以及最多15人排队的场景。该数据集的发布为开发无设备、无隐私顾虑的人群计数算法提供了重要的数据支持，推动了相关领域的研究进展。

当前挑战

IR-UWB雷达信号数据集在解决高密度人群计数问题时面临多重挑战。首先，高密度环境下的人群行为复杂，信号重叠严重，导致准确计数难度增加。其次，雷达信号的采集和处理需要高精度的设备和技术，以确保数据的可靠性和一致性。在数据集构建过程中，研究人员还需克服实验场景的复杂性，如如何在受限空间内模拟高密度人群行为，并确保数据的多样性和代表性。此外，雷达信号的处理和分析需要高效的算法，以应对大规模数据的计算需求。这些挑战不仅考验了数据采集的技术能力，也对后续算法的开发提出了更高的要求。

常用场景

经典使用场景

在密集人群计数领域，IR-UWB雷达信号数据集为研究人员提供了一个宝贵的资源。该数据集包含376,000个IR-UWB雷达信号，覆盖了最多20人在三种密集场景下的活动情况。这些场景包括在限定区域内随机行走的0-20人，密度分别为每平方米3人和4人，以及最多15人排队的场景。通过这一数据集，研究人员可以开发和验证基于IR-UWB雷达的人群计数算法，尤其是在高密度环境下。

实际应用

在实际应用中，IR-UWB雷达信号数据集为公共场所的人群管理提供了技术支持。例如，在商场、车站或体育场馆等密集场所，通过使用该数据集训练的算法，可以实现无接触式的人群计数，避免隐私泄露和照明限制。这种技术不仅提高了人群管理的效率，还为安全监控和应急响应提供了数据支持。

衍生相关工作

基于IR-UWB雷达信号数据集，研究人员提出了多种经典工作。例如，Yang等人提出了一种混合特征提取方法，用于密集人群计数，并在arXiv上发表了相关论文。此外，该数据集还激发了更多关于IR-UWB雷达信号处理、特征提取和机器学习算法的研究，推动了该领域的进一步发展。