VS13

VS13数据集由黑山大学电气工程学院创建，包含400个音频视频记录，用于车辆速度估计。数据集涵盖13种不同类型的车辆，记录了它们在城市环境中以恒定速度通过摄像机的过程。创建过程中，使用GoPro Hero5 Session相机进行录制，确保了数据的真实性和多样性。该数据集旨在支持音频视频车辆速度估计的研究，特别是在交通监控和智能交通系统中的应用。The VS13 dataset was developed by the Faculty of Electrical Engineering, University of Montenegro, and consists of 400 audiovisual recordings intended for vehicle speed estimation tasks. It encompasses 13 distinct vehicle types, with recordings capturing each type passing a camera at a constant speed within an urban setting. The recordings were captured using a GoPro Hero5 Session camera, which guarantees the authenticity and diversity of the dataset. This dataset is designed to support research on audiovisual vehicle speed estimation, especially for applications in traffic monitoring and intelligent transportation systems.

搜集汇总

数据集介绍

构建方式

VS13数据集旨在为基于音频-视频的车辆速度估计提供丰富的数据资源。该数据集通过在一条本地道路上进行现场录制，捕捉了13辆不同品牌、生产年份、发动机类型、功率和变速箱的车辆以恒定速度通过摄像机的情况。为确保数据的准确性和多样性，所有车辆均配备了定速巡航控制系统，以保持通过摄像机时的稳定速度。数据集包含400个带有注释的音频-视频记录，每条记录都包含单个车辆的单独行驶过程，并提供了车辆的行驶速度和通过摄像机的时间戳等信息。

特点

VS13数据集的特点在于其数据质量和多样性。首先，该数据集涵盖了从30公里/小时到105公里/小时的广泛速度范围，能够满足不同研究场景的需求。其次，数据集中包含了13辆不同类型的车辆，涵盖了多种制造商、生产年份、发动机类型、功率和变速箱，使得数据集更加全面和多样化。此外，数据集提供了音频和视频两种模态的数据，方便研究人员进行多模态融合研究。最后，数据集还提出了交叉验证策略，为机器学习模型的训练和评估提供了参考。

使用方法

VS13数据集的使用方法包括以下步骤：首先，从数据集网站下载所需的音频和视频文件以及对应的注释文件。其次，根据研究需求选择合适的交叉验证策略，将数据集分为训练集和测试集。然后，使用训练集训练机器学习模型，并使用测试集评估模型的性能。最后，根据模型评估结果进行模型优化和调整。此外，数据集还提供了音频和视频两种模态的数据，方便研究人员进行多模态融合研究，进一步提高车辆速度估计的准确性和鲁棒性。

背景与挑战

背景概述

随着智能交通系统（ITS）的发展，对道路车辆进行精确的速度估计变得尤为重要。这不仅有助于交通执法，减少交通事故和伤亡，还可以用于自适应交通信号控制、实时交通感知导航、交通拥堵和事故检测。然而，与其它研究领域相比，可用于车辆速度估计的数据集仍然非常有限。为了促进音频-视频车辆速度估计研究，Slobodan Djukanović、Nikola Bulatović和Ivana ˇCavor等研究人员创建了VS13数据集，该数据集包含13种不同型号的车辆在已知速度下通过摄像头的音频-视频记录，总计400个标注的音频-视频片段。该数据集旨在为音频-视频车辆速度估计研究提供一个公共基准。

当前挑战

VS13数据集面临的挑战包括：1)音频-视频车辆速度估计的领域问题：如何有效地利用音频和视频信息进行车辆速度估计，并克服光照变化、阴影、遮挡等影响；2)构建过程中的挑战：如何选择多样化的车辆，以及如何保证车辆速度的稳定性和精确性。为了解决这些挑战，研究人员提出了交叉验证策略，并将其应用于机器学习模型中。

常用场景

经典使用场景

VS13数据集被广泛应用于音频视频车辆速度估计的研究。通过记录13种不同类型车辆以已知恒定速度经过摄像头的音频和视频，该数据集为研究人员提供了一个宝贵的工具，以开发更精确的车辆速度估计模型。此外，数据集还包含了一个交叉验证策略，可用于机器学习模型中的车辆速度估计。这些经典的使用场景使得VS13数据集成为车辆速度估计研究的重要基准。

衍生相关工作

VS13数据集的发布激发了大量相关研究。例如，一些研究人员使用VS13数据集开发了基于音频的车辆速度估计模型，而另一些研究人员则使用该数据集开发了基于视频的车辆速度估计模型。此外，一些研究人员还使用VS13数据集来研究车辆速度估计的交叉验证策略，以提高模型的鲁棒性和准确性。这些衍生相关工作进一步推动了车辆速度估计研究的进展，并展示了VS13数据集的重要价值。

数据集最近研究

最新研究方向

随着智能交通系统（ITS）的兴起，车辆速度估计作为其关键功能之一，已成为研究热点。VS13数据集的提出，为基于音频-视频的车辆速度估计提供了宝贵的资源。该数据集包含了13种不同车辆在已知恒定速度下通过摄像头的音频-视频记录，涵盖了广泛的车辆类型和速度范围。该数据集旨在促进音频-视频车辆速度估计领域的研究，并为开发更精确、鲁棒的车辆速度估计模型提供基础。此外，该数据集还提出了两种交叉验证策略，可用于机器学习模型的训练和验证，进一步推动了车辆速度估计技术的进步。

相关研究论文

• A dataset for audio-video based vehicle speed estimation

  黑山大学电气工程学院 · 2022年