AG-VPReID

AG-VPReID是一个用于空中-地面视频行人重识别的大规模基准数据集，提供了前所未有的规模和多样性，包括来自无人机（15-120米高度）、闭路电视摄像头和可穿戴设备的视频片段。

AG-VPReID is a large-scale benchmark dataset for aerial-ground video person re-identification, which features unprecedented scale and diversity, encompassing video clips captured by unmanned aerial vehicles (UAVs) at an altitude of 15 to 120 meters, closed-circuit television (CCTV) cameras, and wearable devices.

原始信息汇总

AG-VPReID 数据集概述

数据集名称

AG-VPReID: A Challenging Large-Scale Benchmark for Aerial-Ground Video-based Person Re-Identification

关键特征

• 数据规模：包含6,632个身份标识，32,321个轨迹，以及9.6百万帧图像
• 多平台数据：结合了不同高度（15m, 30m, 80m, 120m）的无人机、CCTV摄像头和可穿戴相机
• 丰富注释：包括服装变化和15种软生物特征属性
• 真实世界挑战：包含极端视角变化、尺度差异和遮挡等挑战
• 多样化环境：在20天内捕捉的户外校园场景

数据集框架

AG-VPReID-Net：一种专门为空地人体重识别设计的三流架构，包括：

1. 适应时空流：解决运动模式不一致和时序特征学习问题
2. 归一化外观流：使用物理信息技术处理分辨率和外观变化
3. 多尺度注意力流：处理无人机不同高度下的尺度变化

性能

• 与现有方法的比较：AG-VPReID-Net在多个指标上优于现有方法
• 不同高度性能：详细性能指标随无人机高度变化

数据集访问

数据集下载链接

引用

在使用该数据集或代码进行研究时，请引用以下论文： bibtex @inproceedings{nguyen2025agvpreid, title={AG-VPReID: A Challenging Large-Scale Benchmark for Aerial-Ground Video-based Person Re-Identification}, author={Nguyen, Huy and Nguyen, Kien and Pemasiri, Akila and Liu, Feng and Sridharan, Sridha and Fookes, Clinton}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, year={2025} }

搜集汇总

数据集介绍

构建方式

AG-VPReID数据集的构建采取了融合多平台采集的方式，汇集了来自无人机（不同高度：15m、30m、80m、120m）、CCTV摄像头和可穿戴设备的视频资料，形成了包含6632个身份、32321个轨迹和960万帧画面的宏大基准数据集，旨在为空中至地面视频人物重识别提供全面的研究资源。

特点

该数据集以其庞大的规模、多平台数据融合、丰富的标注信息（包括服装变化和15种软生物特征属性）、现实世界的挑战（如极端视角变化、尺度差异和遮挡）以及多样化的环境（20天内户外校园场景的捕捉）等特点显著，为相关领域的研究提供了极具价值的资源。

使用方法

使用AG-VPReID数据集时，研究者可通过提供的下载链接获取数据，并根据数据集的丰富注释和多元的采集平台特性，进行人物重识别的相关研究。此外，数据集配套的AG-VPReID-Net框架提供了三种流（时空流、归一化外观流和多尺度关注流）的设计，以应对不同高度和视角下的重识别挑战。

背景与挑战

背景概述

AG-VPReID数据集，作为计算机视觉领域的一项重要成果，由Huy Nguyen、Kien Nguyen、Akila Pemasiri等研究人员于2025年共同构建，并发表于CVPR会议。该数据集针对空地视频人物重识别领域，提供了前所未有的规模和多样性，包含来自无人机（15-120米高度）、监控摄像头和可穿戴设备的视频片段。其丰富的注释信息和多样的环境设置为相关研究提供了宝贵的资源，对推动空地视频人物重识别技术的发展起到了积极的推动作用。

当前挑战

AG-VPReID数据集在解决空地视频人物重识别问题的同时，面临着多重挑战。首先，数据集需要克服极端视点变化、尺度差异和遮挡等现实世界问题。其次，构建过程中涉及多平台数据融合、大规模数据标注和多样化的环境适应性等问题。此外，如何有效利用丰富的注释信息，如服装变化和15种软生物特征属性，以提升识别算法的准确性，也是当前研究的重要挑战。

常用场景

经典使用场景

AG-VPReID数据集作为一项 aerial-ground 视频人物重识别的综合基准，其最经典的使用场景在于构建与评估多源异构视频数据下的人物识别算法。该数据集整合了来自无人机、CCTV摄像头及可穿戴设备的不同视角与高度的影像，为研究人员提供了模拟现实世界中复杂场景的丰富资源，进而能够在算法设计、优化与测试中实现更好的泛化能力。

解决学术问题

该数据集解决了学术研究中人物重识别领域的关键问题，如极端视角变化、尺度差异及遮挡等挑战。AG-VPReID通过提供大规模、多样化的标注数据，助力学者们开发出更具鲁棒性的识别算法，为智能监控、安全防范等领域提供技术支撑，对于促进相关研究的深入发展具有重要的意义和影响。

衍生相关工作

AG-VPReID数据集催生了诸多相关研究工作，例如AG-VPReID-Net框架的提出，该框架通过三流架构设计，专门针对 aerial-ground 人物重识别任务，展现了优异的性能。此外，基于该数据集的对比实验和性能分析，进一步推动了人物重识别领域的技术进步和学术交流。