CrowdSat

CrowdSat数据集是由同济大学测绘与地理信息学院、英国兰卡斯特大学科学与技术学院、英国南安普顿大学地理与环境学院的研究团队共同创建的。该数据集包含超过12万个手动标记的个体，来源于北京-3N卫星、吉林-1高分辨率-04A卫星和Google Earth平台。CrowdSat数据集覆盖中国32个省级行政区，除了贵州和澳门。数据集的特点是空间覆盖广泛，能够支持大规模人群监测；更新频率高，可以支持人群活动模式的连续分析。CrowdSat数据集的创建过程包括数据收集、预处理、标记和分析等步骤。CrowdSat数据集的应用领域包括灾害响应和应急管理、城市交通分析、异常人群聚集检测、流行病预防和公共卫生监测、大型活动管理、人道主义援助和难民营地监测、旅游和文化遗产保护等。

The CrowdSat dataset was jointly developed by research teams from the College of Surveying and Geo-informatics, Tongji University; the Faculty of Science and Technology, Lancaster University (UK); and the School of Geography and Environmental Science, University of Southampton (UK). The dataset contains over 120,000 manually annotated individual instances, sourced from the Beijing-3N satellite, Jilin-1 High Resolution-04A satellite, and Google Earth platform. The CrowdSat dataset covers 32 provincial-level administrative regions in China, excluding Guizhou Province and the Macao Special Administrative Region. Featuring wide spatial coverage, the dataset enables large-scale crowd monitoring, while its high update frequency supports continuous analysis of crowd activity patterns. The development pipeline of the CrowdSat dataset includes steps such as data collection, preprocessing, annotation, and analysis. Application scenarios of the CrowdSat dataset cover disaster response and emergency management, urban traffic analysis, abnormal crowd gathering detection, epidemic prevention and public health monitoring, large-scale event management, humanitarian aid and refugee camp monitoring, tourism and cultural heritage protection, and other related fields.

搜集汇总

数据集介绍

构建方式

CrowdSat数据集构建采用了多源卫星平台（北京-3N、吉林-1高分-04A和Google Earth）采集的极细分辨率（VFR）卫星影像，覆盖中国32个省级行政区（除贵州和澳门）。数据预处理包括几何校正、裁剪和辐射归一化，并采用面积-点回归克里金（ATPRK）技术提升空间分辨率至0.3米。标注过程中引入多时相影像辅助验证，通过中心点标记策略标注超过12万个体，最终生成3,447张256×256像素的标注图像块。

使用方法

该数据集适用于基于深度学习的密集人群定位研究，典型流程包括：1）将标注中心点转换为FIDT热图作为监督信号；2）采用双阶段堆叠Hourglass网络架构，嵌入DCPAN模块增强小目标特征表示，HFGDU模块恢复上采样高频信息；3）通过局部极大值检测策略生成最终定位结果。实验表明，在4:1划分的训练-验证集上，最佳模型F1-score达66.12%。数据已开源并支持水平翻转、CutMix等增强策略。

背景与挑战

背景概述

CrowdSat数据集由同济大学王群明教授团队于2023年创建，是首个基于甚高分辨率（VFR）卫星影像的人群检测专用数据集。该数据集整合了北京三号N星、吉林一号高分04A卫星及Google Earth平台的多源影像，覆盖中国32个省级行政区，包含超过12万人工标注的个体点位。针对传统地面监控和航空影像在时空覆盖上的局限性，CrowdSat通过0.3米级空间分辨率的卫星影像，为大规模人群活动分析提供了新的研究范式，在公共安全、城市规划等领域具有重要应用价值。

当前挑战

该数据集面临的核心挑战体现在两个方面：在领域问题层面，VFR卫星影像中个体信号仅占3×3像素，传统卷积神经网络在池化过程中易导致微小目标特征衰减；在构建层面，标注过程需克服卫星影像中个体边缘模糊、与道路沥青/路灯等背景混淆的难题，研究团队创新性采用多时相影像辅助标注和中心点标注策略以提升数据质量。此外，跨区域泛化能力验证和极端密度场景下的检测精度仍需持续优化。

常用场景

经典使用场景

CrowdSat数据集在人群检测领域具有广泛的应用场景，特别是在需要高精度和大规模人群分析的场景中。该数据集通过超高分辨率（VFR）卫星图像，能够捕捉到个体级别的细节，适用于城市公共安全管理、大型活动监控以及灾害应急响应等场景。例如，在城市交通枢纽或大型集会场所，CrowdSat能够提供精确的人群分布和密度信息，帮助管理者优化人流控制和应急响应策略。

解决学术问题

CrowdSat数据集解决了人群检测领域中的多个关键学术问题。首先，它填补了卫星图像在人群检测任务中的应用空白，为研究者提供了一个全新的数据来源。其次，通过引入双上下文渐进注意力网络（DCPAN）和高频引导可变形上采样器（HFGDU），该数据集显著提升了小目标检测的精度和鲁棒性。此外，CrowdSat的多源、多季节和多环境特性，为模型泛化能力的研究提供了丰富的数据支持。

实际应用

在实际应用中，CrowdSat数据集被广泛用于城市管理、公共安全和灾害响应等领域。例如，在城市规划中，该数据集可以用于分析人群流动模式，优化公共设施布局；在公共安全领域，它能够实时监测人群密集区域，预防踩踏事件；在灾害响应中，CrowdSat可以快速评估灾区人群分布，指导救援资源的合理分配。这些应用显著提升了城市管理的智能化水平和应急响应效率。

数据集最近研究

最新研究方向

在超精细分辨率卫星影像领域，CrowdSat数据集的研究聚焦于群体检测技术的创新与优化。随着城市化进程加速和大型活动频繁，精准的群体检测技术成为公共安全与城市规划的关键支撑。该数据集通过整合多源卫星平台数据（北京三号N星、吉林一号高分04A星及Google Earth），构建了覆盖中国32个省级行政区、标注逾12万个体的首例超精细分辨率群体检测基准库。前沿研究主要围绕CrowdSat-Net框架展开，其双上下文渐进注意力网络（DCPAN）通过聚合场景上下文与局部特征增强个体表征能力，高频引导可变形上采样器（HFGDU）则创新性地在频域引导下恢复空间细节。实验表明该模型在F1分数（66.12%）和精确率（73.23%）上超越现有最优方法1.71%和2.42%，其跨区域评估验证了空间泛化能力。该研究不仅推动了卫星影像在灾害响应、城市流动性分析等场景的应用深度，更通过开源数据集与算法架构为群体行为模式挖掘建立了新的技术范式。

相关研究论文

• Crowd Detection Using Very-Fine-Resolution Satellite Imagery

  同济大学测绘与地理信息学院, 英国兰卡斯特大学科学与技术学院, 英国南安普顿大学地理与环境学院 · 2025年