Aerial Traffic Atomic Activity Recognition and Segmentation (ATARS)

ATARS数据集是由国立政治大学、印第安纳大学伯明顿分校、国立阳明交通大学联合创建的，专为多标签原子活动分析设计的首个无人机视角数据集。该数据集包含来自四个不同路口的39段未剪辑的全高清视频，每段视频以30帧/秒的速度录制。ATARS数据集提供视频级别和帧级别的原子活动标签，可支持对交通参与者行为的详细分析，并减轻了手动剪辑视频的工作负担。该数据集适用于交叉路口动态的智能驾驶系统研究。The ATARS dataset is the first drone-view dataset specifically designed for multi-label atomic activity analysis, jointly developed by National Chengchi University, Indiana University Bloomington, and National Yang Ming Chiao Tung University. It contains 39 unedited full-high-definition videos from four distinct intersections, with each video recorded at 30 frames per second (fps). The ATARS dataset provides video-level and frame-level atomic activity labels, enabling detailed analysis of traffic participants' behaviors and alleviating the workload of manual video editing. This dataset is applicable to research on intelligent driving systems for dynamic intersection scenarios.

搜集汇总

数据集介绍

构建方式

ATARS数据集通过从CAROM数据集中筛选未经剪辑的全高清视频构建而成，专注于四路交叉口的交通场景。视频以30帧每秒的速率拍摄，时长从45秒到9分钟不等，最终形成包含39个视频的数据集，分为27个训练视频、6个验证视频和6个测试视频。数据标注遵循OATS和TACO数据集定义的原子活动（AA）标准，每个AA包含进入和退出道路或角落的移动信息以及交通参与者类型（如车辆或行人），并在每帧上进行详细标注，共标注了253,000帧原子活动。

使用方法

ATARS数据集适用于原子活动识别和多标签时序原子活动分割任务。在原子活动识别中，模型需从视频片段中识别出预定义的40类原子活动，包括车辆和行人的单数及复数活动。时序原子活动分割任务则要求模型在未剪辑视频中准确定位原子活动的发生时间。数据集支持通过旋转和翻转等增强技术缓解长尾分布问题，并提供了两流I3D特征作为输入，以促进模型在时空维度上的特征学习。

背景与挑战

背景概述

ATARS（Aerial Traffic Atomic Activity Recognition and Segmentation）数据集是首个专注于航拍视角下交通原子活动识别与分割的多标签数据集，由国立政治大学、印第安纳大学伯明顿分校及国立阳明交通大学的研究团队于2025年联合发布。该数据集通过无人机采集四路交叉口的全景视频，突破传统车载视角的局限性，提供帧级精细标注的交通参与者行为（如车辆转向、行人穿行）及其时空拓扑关系。其创新性体现在将道路结构信息编码为原子活动标签，支持多标签时序活动分割任务（M-TAA），为智能驾驶系统的交叉口动态分析、交通场景重建等应用提供了关键数据支撑。

当前挑战

ATARS数据集面临的核心挑战包括：1) 航拍视角下极小目标（如数像素大小的行人）的行为识别困难，现有模型在行人活动检测上的mAP不足0.05；2) 长尾分布问题，数据中转向等低频活动与直行高频活动数量差异显著；3) 时序分割任务中短时动作（如快速转向）的漏检与边界定位不准，现有时序模型对短于15帧的片段识别率下降40%；4) 构建过程中需解决航拍视频的相机抖动干扰，以及跨场景交通信号周期差异导致的原子活动重复模式标注复杂性。

常用场景

经典使用场景

ATARS数据集在智能交通系统研究中具有重要价值，尤其在交通原子活动识别与时间分割领域。该数据集通过无人机采集的俯视视角视频，全面捕捉交叉路口的动态交通活动，为研究者提供了丰富的多标签原子活动标注。其经典使用场景包括交通流分析、交叉路口行为建模以及智能驾驶系统的场景理解。数据集中的帧级标注使得研究者能够精确分析交通参与者的行为时间区间，为交通动态研究提供了前所未有的细粒度数据支持。

解决学术问题

ATARS数据集有效解决了现有交通原子活动数据集视角受限和标注粒度不足的问题。传统数据集多采用车载视角，难以全面分析交叉路口的整体交通活动；而ATARS的俯视视角则提供了全局视野。此外，该数据集创新性地提供了帧级原子活动标注，克服了以往视频级标注在时间定位上的不足。这些特性使得研究者能够深入探索拓扑感知的原子活动识别和多标签时间原子活动分割等前沿课题，推动了交通场景理解的算法发展。

实际应用

在实际应用层面，ATARS数据集为智能交通管理和自动驾驶系统开发提供了重要支持。交通管理部门可利用该数据集训练模型，用于交叉路口的实时监控和异常检测。自动驾驶系统开发者则可以通过分析数据集中的原子活动模式，提升车辆对复杂交通场景的理解能力。此外，数据集还可用于交通仿真系统的验证，帮助优化城市交通规划。其俯视视角特性特别适合研究交通信号灯控制策略的有效性，为智慧城市建设提供数据支撑。

数据集最近研究

最新研究方向

随着智能驾驶系统的快速发展，交通场景的细粒度理解成为研究热点。ATARS数据集作为首个从无人机视角采集的交通原子活动识别与分割数据集，填补了传统以自我为中心视角数据集的不足，为交通场景的全面分析提供了新的研究平台。该数据集通过标注每一帧的原子活动标签，支持多标签时序原子活动分割任务，为交通流动态分析提供了更精细的时间定位能力。当前研究聚焦于解决小物体检测、长尾分布以及重复原子活动模式识别等挑战，推动了多尺度时空建模、超分辨率预处理和高分辨率时空注意力机制等前沿技术的发展。ATARS数据集的引入不仅促进了交通场景理解的算法创新，也为智能交通基础设施的优化提供了重要数据支撑。

相关研究论文

• ATARS: An Aerial Traffic Atomic Activity Recognition and Temporal Segmentation Dataset

  国立政治大学, 印第安纳大学伯明顿分校, 国立阳明交通大学 · 2025年