BG Vulnerable Pedestrian (BGVP) dataset

BGVP数据集是由博林格林州立大学计算机科学系创建，专注于脆弱行人检测，包含四类行人：无残疾儿童、无残疾老年人、残疾人和非脆弱人群。数据集由2000张公共领域图像组成，包含5932个手动标注的边界框。该数据集旨在通过提供丰富的脆弱行人数据，帮助训练更准确的模型，以改善自动驾驶车辆对脆弱行人的识别能力，从而提高道路安全。

The BGVP Dataset was developed by the Department of Computer Science at Bowling Green State University, focusing on vulnerable pedestrian detection. It covers four pedestrian categories: non-disabled children, non-disabled older adults, people with disabilities, and non-vulnerable groups. The dataset consists of 2000 public-domain images with 5932 manually annotated bounding boxes. This dataset aims to facilitate the training of more accurate models by providing abundant vulnerable pedestrian data, so as to enhance autonomous vehicles' ability to recognize vulnerable pedestrians and ultimately improve road safety.

搜集汇总

数据集介绍

构建方式

在自动驾驶领域，行人安全始终是核心关切，而现有数据集对弱势群体的覆盖不足凸显了构建专门数据集的紧迫性。BGVP数据集通过从公共领域系统性地收集图像，并辅以人工精细标注的边界框，构建了一个包含2000张图像、共计5932个标注实例的基准数据集。其标注过程严格遵循可识别性原则，仅对能够清晰判定类别的行人进行标注，避免了因背景中尺度过小或模糊对象引入的噪声，从而确保了标注质量与模型学习的有效性。

特点

该数据集的核心特点在于其针对行人脆弱性的细粒度分类体系，将行人划分为“无残疾儿童”、“无残疾老年人”、“残疾人士”及“非脆弱行人”四类，首次在数据层面系统性地关注了年龄与身体残疾所构成的行人风险差异。数据构成上，它涵盖了从简单到复杂的多样化交通场景，图像尺寸与场景内容具有显著异质性，为模型提供了丰富的上下文信息。其标注分布反映了真实世界中不同脆弱群体的出现频率，为训练公平、无偏的检测模型奠定了数据基础。

使用方法

BGVP数据集主要服务于自动驾驶场景下的行人检测模型开发与评估。研究者可利用其训练集对目标检测模型进行训练或微调，特别适用于提升模型对弱势行人的识别精度。通过在其验证集与测试集上进行性能评测，能够量化模型在不同脆弱类别上的检测效果，尤其是通过mAP 0.5及mAP 0.5:0.95等指标进行综合衡量。该数据集亦可作为现有通用行人数据集的补充，用于增强模型在复杂、公平场景下的泛化能力，推动更安全、更包容的自动驾驶技术发展。

背景与挑战

背景概述

在自动驾驶技术迅猛发展的时代背景下，行人安全已成为核心关切之一。然而，现有行人检测数据集普遍忽视了对弱势群体（如儿童、老年人和残障人士）的充分表征，导致训练出的视觉检测模型存在潜在偏见，难以在复杂交通场景中准确识别这些高风险行人。为此，博林格林州立大学的研究团队于2024年推出了BG弱势行人（BGVP）数据集，旨在填补这一空白。该数据集包含2000张图像及5932个边界框标注，涵盖“无残疾儿童”、“无残疾老年人”、“残障人士”和“非弱势行人”四类，通过公开渠道收集并手动标注，为训练更全面、公平的行人检测模型提供了关键资源。该数据集的建立不仅推动了弱势行人检测领域的专项研究，也为提升自动驾驶系统的安全性与包容性奠定了数据基础。

当前挑战

BGVP数据集致力于解决弱势行人检测这一特定领域问题，其核心挑战在于如何准确区分并识别不同弱势群体（如老年人与非弱势成年人的模糊边界），以及如何在复杂光照、遮挡和多样化交通场景中保持检测鲁棒性。在构建过程中，研究团队面临标注主观性带来的困难，例如“无残疾老年人”类别的年龄界定存在文化差异，需依赖人工判断；同时，数据收集需平衡各类别的代表性，避免因弱势群体在真实场景中占比低而导致样本偏差。此外，数据集中小尺度行人及暗光环境下的实例标注亦颇具挑战，需谨慎处理以避免引入误导性标签。

常用场景

经典使用场景

在自动驾驶与计算机视觉领域，BGVP数据集为脆弱行人检测提供了专门的基准测试平台。该数据集通过精细标注的四类行人图像，包括儿童、老年人、残障人士及非脆弱群体，为研究者评估和优化目标检测模型在复杂交通场景中的性能奠定了数据基础。其经典应用体现在利用YOLO系列、Faster R-CNN等先进检测器进行模型训练与对比分析，以提升对脆弱行人的识别准确率与鲁棒性。

实际应用

在实际应用中，BGVP数据集可直接服务于高级驾驶辅助系统（ADAS）与全自动驾驶车辆的感知模块优化。通过基于该数据集的模型微调，车辆能够更精准地识别交通环境中的儿童、老年人及残障行人，从而提前预警并采取避让策略，降低事故风险。此外，该数据集也为智慧交通监控、行人安全预警系统等城市安全管理场景提供了关键的数据支持。

衍生相关工作

BGVP数据集自发布以来，已衍生出多项聚焦脆弱行人感知的经典研究工作。例如，Priisalu等人利用该数据集进行车载环境下的语义与关节行人感知探索，而Ye等人则基于YOLOv7框架提出了改进的脆弱行人检测算法。这些研究不仅验证了数据集的实用价值，还进一步拓展了其在多模态感知、实时跟踪与模型轻量化等方向的应用潜力，持续推动着自动驾驶安全领域的创新。