SWORD

具有遮挡区域数据集 (SWORD) 的场景包含约1500个视频，平均每个视频50帧。该数据集是在处理了静态现实生活中的城市场景的手动捕获的视频序列之后获得的。数据集的主要属性是紧密物体的丰富性，因此，闭塞的患病率更高。对于每个视频，姿势形成一个轨迹，其中每个姿势指定沿轨迹的摄像机位置和方向。