PRSA-1060 Dataset

PRSA-1060数据集用于监视空中影像中的人员再识别研究。随着无人机技术的快速发展，基于无人机的视觉应用受到了工业界和学术界的日益关注。然而，基于无人机的行人再识别研究较少，尽管它在长期跟踪、视觉对象检索等方面具有多种潜在应用。其中一个原因是缺乏相应的公开可用数据集，这将需要大量的人力进行无人机飞行、视频捕捉和数据标注。更重要的是，监视影像和空中影像之间存在巨大的视角差异，这使得将监视影像和空中影像结合起来进行人员再识别变得困难。在这种情况下，我们收集并发布了PRSA-1060数据集，以支持深入研究，提供在多个场景中具有视角差异的监视影像和空中影像。

The PRSA-1060 dataset is utilized for research on person re-identification in aerial imagery. With the rapid advancement of drone technology, visual applications based on drones have garnered increasing attention from both the industrial and academic sectors. However, research on drone-based pedestrian re-identification is relatively scarce, despite its numerous potential applications in long-term tracking, visual object retrieval, and more. One of the reasons for this is the lack of publicly available datasets, which would require significant human effort for drone flights, video capture, and data annotation. More importantly, there is a substantial perspective difference between surveillance imagery and aerial imagery, making it challenging to combine these two types of imagery for person re-identification. In this context, we have collected and released the PRSA-1060 dataset to support in-depth research, providing surveillance and aerial imagery with perspective differences across multiple scenarios.

原始信息汇总

PRSA-1060 数据集概述

数据集描述

• 名称: PRSA-1060
• 用途: 用于监控-空中影像中的人员再识别研究。
• 特点: 随着无人机的快速发展，基于无人机的视觉应用受到工业界和学术界的日益关注。PRSA-1060 数据集旨在填补无人机基人员再识别数据集的空白，支持视角差异较大的监控影像和空中影像的深入研究。

数据集构成

• 身份数量: 1,060 个身份
• 图像数量: 15,753 个人员边界框
• 摄像头配置: 九个摄像头，其中七个为高清，两个为低清。
• 视角: 每个人员由三个摄像头捕获，其中两个提供监控视角，一个提供空中视角。

数据集分区

• 当前版本: 仅包含测试集，分为查询集和图库集。
  • 查询集: 包含 4,777 张图像，涉及 971 个身份。
  • 图库集: 包含 10,976 张图像，涉及 1,060 个身份。
• 未来更新计划: 将包含训练集，并推出更大、更多样化的版本。

数据集结构

• 目录结构:
  • images: 包含 15,753 个人员边界框图像。
  • partitions.pkl: 描述数据集分区的文件。
  • README.md: 数据集说明文件。

标注信息

• 图像命名规则: PersonID_CameraID_VideoID_Frame.jpg，例如 00000X_0Y_00Z_0000000A.jpg，其中 00000X 表示该图像属于第 X 个人，0Y 表示由第 Y 个摄像头捕获，00Z 表示从该摄像头下的第 Z 个视频提取，0000000A 表示该视频的第 A 帧。

评估指标

• 采用指标: 平均精度均值 (mAP) 和累积匹配曲线 (CMC)。

下载方式

• 获取链接: 通过发送电子邮件至 [e-mail] 获取下载链接。

使用声明

• 商业使用: 禁止。

• 引用要求: 使用该数据集的研究应引用以下 BibTeX 条目：

  @misc{PRSA-1060, author = {jkw-blackpique}, title = {PRSA-1060 Dataset}, year = {2022}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {url{https://github.com/jkw-blackpique/PRSA-1060-Dataset}} }

搜集汇总

数据集介绍

构建方式

PRSA-1060数据集构建于无人机（UAV）与监控摄像头的多视角图像采集基础之上，旨在填补监控图像与航拍图像之间的视角差异。该数据集通过九台摄像机（七台高清和两台低清）捕捉了1,060个身份和15,753个人物边界框。每个身份由三台摄像机拍摄，其中两台提供监控视角，一台提供航拍视角，确保每个身份在单一摄像机下拥有多张图像。数据集的构建过程涵盖了无人机飞行、视频捕捉以及数据标注等多个环节，确保了数据的多样性和实用性。

特点

PRSA-1060数据集的特点在于其独特的视角组合与丰富的身份多样性。数据集包含1,060个身份，每个身份在监控与航拍视角下均有多个图像，形成了视角差异的显著特征。此外，数据集划分为查询集和画廊集，分别包含4,777张图像（971个ID）和10,976张图像（1,060个ID），为模型在跨视角重识别任务中的性能评估提供了坚实基础。数据集的结构清晰，图像命名规则明确，便于研究者快速定位与分析。

使用方法

PRSA-1060数据集主要用于跨视角人物重识别研究，特别适用于评估模型在监控与航拍视角下的泛化能力。研究者可通过与其他通用重识别数据集结合使用，例如在通用数据集上训练模型，并在PRSA-1060数据集上进行测试，以验证模型的视角适应能力。数据集的图像命名规则和分区文件（partitions.pkl）为数据加载与实验设计提供了便利。此外，数据集的使用需遵循非商业用途的限制，并在研究中引用相关文献以支持学术共享与交流。

背景与挑战

背景概述

PRSA-1060数据集由jkw-blackpique团队于2022年发布，旨在支持无人机（UAV）视角下的行人重识别研究。随着无人机技术的快速发展，基于无人机的视觉应用在工业界和学术界引起了广泛关注。然而，尽管无人机在长期跟踪、视觉对象检索等领域具有巨大潜力，但基于无人机的行人重识别研究却相对匮乏。主要原因在于缺乏公开可用的数据集，且无人机飞行、视频捕捉和数据标注需要大量人力。此外，监控图像与航拍图像之间的视角差异巨大，使得两者的结合研究面临挑战。PRSA-1060数据集包含1,060个身份和15,753个行人边界框，覆盖了多个场景下的监控视角和航拍视角，填补了这一领域的数据空白。

当前挑战

PRSA-1060数据集在解决无人机视角下的行人重识别问题时面临多重挑战。首先，监控图像与航拍图像之间的视角差异显著，导致模型在跨视角行人匹配时表现不佳。其次，数据集的构建过程复杂，涉及无人机飞行、视频捕捉、图像标注等多个环节，需要大量人力和时间投入。此外，当前版本的数据集仅包含测试集，缺乏训练集，限制了模型的直接训练和优化。尽管数据集提供了丰富的跨视角行人图像，但其规模相对较小，可能无法充分反映真实场景中的多样性。未来，随着数据集的扩展和训练集的引入，这些挑战有望得到进一步缓解。

常用场景

经典使用场景

PRSA-1060数据集主要用于监控与航拍图像中的人员重识别研究。随着无人机技术的快速发展，基于无人机的视觉应用在学术界和工业界引起了广泛关注。然而，无人机视角下的人员重识别研究相对较少，主要原因是缺乏公开的数据集。PRSA-1060通过提供包含监控视角和航拍视角的图像数据，填补了这一空白，为研究人员提供了一个多视角、多场景的实验平台。

解决学术问题

PRSA-1060数据集解决了监控与航拍图像之间视角差异带来的挑战，为人员重识别研究提供了新的实验数据。通过该数据集，研究人员可以评估模型在不同视角下的泛化能力，尤其是在监控与航拍图像之间的跨视角重识别任务中。这一数据集的出现推动了无人机视角下人员重识别算法的发展，并为相关领域的学术研究提供了重要的数据支持。

衍生相关工作

PRSA-1060数据集的发布催生了一系列经典研究工作，尤其是在跨视角人员重识别领域。许多研究团队基于该数据集提出了新的算法和模型，以解决监控与航拍图像之间的视角差异问题。例如，一些研究通过引入视角不变特征提取方法或跨视角特征对齐技术，显著提升了模型的性能。此外，PRSA-1060还推动了多模态数据融合技术的发展，为未来更复杂场景下的人员重识别研究奠定了基础。