FADE

FADE数据集是由武汉大学等机构创建的，专门用于建筑周围落物检测的视频数据集。该数据集包含1,881个视频，涵盖18个场景、8种落物类别、4种天气条件和4种视频分辨率。数据集的创建过程包括招募志愿者进行为期一年半的数据收集，使用高动态范围相机记录落物事件。FADE数据集的应用领域主要是公共安全，旨在通过智能视频监控技术有效检测和预防建筑周围落物事件，减少潜在的人身伤害风险。The FADE dataset, developed by Wuhan University and other institutions, is a video dataset specifically designed for falling object detection around buildings. It comprises 1,881 videos covering 18 scenes, 8 falling object categories, 4 weather conditions, and 4 video resolutions. The dataset construction process involved recruiting volunteers for a 1.5-year data collection campaign, during which high dynamic range (HDR) cameras were utilized to record falling object incidents. The primary application of the FADE dataset lies in public safety, with the goal of effectively detecting and preventing falling object incidents around buildings via intelligent video surveillance technology to reduce the risk of potential personal injuries.

搜集汇总

数据集介绍

构建方式

FADE数据集的构建方式包括数据准备、数据收集、数据格式和数据处理四个阶段。首先，收集了涵盖8个类别、多种天气、照明、场景和摄像头角度的视频数据。其次，招募志愿者进行数据收集，使用高动态范围相机记录事件全过程。接着，采用PASCAL VOC风格进行数据标注。最后，对数据进行分割和统计，形成训练集、验证集和测试集。

特点

FADE数据集的特点是多样化、规模大。它包含了18个场景、8个物体类别、4种天气条件、4种视频分辨率和3种摄像头角度，共1,881个视频和164,314个视频帧。此外，数据集的标注质量高，使用了专家检查机制，确保标注的准确性。数据集还涵盖了丰富的场景和复杂条件，为研究提供了宝贵的资源。

使用方法

FADE数据集的使用方法包括数据下载、数据格式理解和数据标注。首先，可以从数据集网站下载所需的数据。其次，需要了解PASCAL VOC风格的数据格式，以便进行数据处理和分析。最后，数据集的标注可以使用现有的标注工具进行，例如LabelImg。此外，数据集还提供了示例视频和评估代码，方便用户进行实验和评估。

背景与挑战

背景概述

随着城市化的不断扩张，高楼大厦如雨后春笋般涌现。然而，从高楼抛掷物品的行为时有发生，给行人的生命安全带来了严重威胁。为了减少此类事件的发生，一些国家已经立法禁止从建筑物抛掷物品。随着监控摄像头的普及，利用视频监控进行高楼抛掷物检测变得尤为重要。鉴于此，Tu等人首次提出了一个名为FADE的多样化视频数据集，专门用于高楼抛掷物检测。该数据集包含1881个视频，涵盖18个场景、8个抛掷物类别、4种天气状况和4种视频分辨率，旨在为高楼抛掷物检测研究提供数据基础。此外，他们还开发了一种新的物体检测方法FADE-Net，该方法有效地利用运动信息，并产生小尺寸但高质量的提议，以检测高楼周围的抛掷物。通过与其他通用物体检测、视频物体检测和移动物体检测方法在FADE数据集上的比较，实验结果表明，所提出的FADE-Net显著优于其他方法，为未来研究提供了有效的基准。

当前挑战

高楼抛掷物检测面临着诸多挑战。首先，抛掷物通常体积较小，运动速度快，这使得它们在监控视频中难以被捕获。其次，复杂的背景环境进一步增加了检测的难度。此外，现有的移动物体检测数据集大多针对大型物体，而高楼抛掷物检测需要关注小尺寸物体的检测。为了解决这些问题，FADE数据集的构建需要收集大量多样化的视频数据，并开发新的物体检测方法，如FADE-Net，该方法利用运动信息来补充外观特征，并生成高质量的小尺寸抛掷物检测提议。实验结果表明，FODB是一个具有挑战性的任务，而FADE-Net在复杂背景和运动模糊的情况下仍然表现出色。

常用场景

经典使用场景

FADE数据集主要用于检测建筑物周围视频中的坠落物体。该数据集包含来自18个场景的1,881个视频，涵盖了8个坠落物体类别、4种天气条件、4种视频分辨率。这些多样化的视频数据使得FADE数据集成为研究坠落物体检测的宝贵资源，为研究人员提供了一个丰富的实验环境，以开发和测试各种检测算法。FADE数据集的特点在于其小型的坠落物体和快速的移动，这使得检测任务更具挑战性，因此研究人员可以利用该数据集来评估和改进他们的检测算法，以提高其在实际应用中的性能。

衍生相关工作

FADE数据集的提出为坠落物体检测领域的研究提供了新的方向和资源。基于FADE数据集，研究人员可以开发更先进的检测算法，提高检测的准确性和实时性。此外，FADE数据集还可以与其他数据集进行对比研究，以评估不同算法的性能和优缺点。此外，FADE数据集还可以用于研究坠落物体检测的新的评估指标，为坠落物体检测的研究提供新的思路和方向。

数据集最近研究

最新研究方向

FADE数据集为检测建筑物周围视频中的坠落物体提供了一个重要的研究平台。该数据集的多样性，包括8个坠落物体类别、4种天气条件、4种视频分辨率等，为研究人员提供了丰富的数据资源，以便研究和开发更有效的检测算法。FADE-Net的提出，作为一种新的基准方法，通过利用运动线索来补充外观特征，并修改区域提议网络以生成高质量的提议，显著提高了小尺寸坠落物体的检测效果。此外，该数据集还引入了一个新的评估指标TRO，用于评估算法在定位坠落事件的时间范围上的能力。FADE数据集及其基准方法为未来研究提供了有价值的参考，有助于推动建筑物周围坠落物体检测技术的发展。

相关研究论文

• FADE: A Dataset for Detecting Falling Objects around Buildings in Video

  武汉大学 · 2024年