SUSTech1K

SUSTech1K是由南方科技大学创建的大规模LiDAR基步行识别数据集，包含25,239个序列，涵盖1,050个不同身份。数据集通过LiDAR传感器和RGB相机同步采集，提供了丰富的3D结构信息和多视角数据。该数据集旨在解决户外环境中步行识别的挑战，如光照变化、遮挡等，适用于机器人、安防监控等领域的研究。SUSTech1K is a large-scale LiDAR-based gait recognition dataset developed by Southern University of Science and Technology (SUSTech). It contains 25,239 sequences covering 1,050 distinct identities. The dataset is synchronously collected via LiDAR sensors and RGB cameras, providing rich 3D structural information and multi-view data. This dataset aims to address the core challenges of gait recognition in outdoor environments such as illumination variations, occlusions and other confounding factors, and is applicable to research in fields including robotics, security surveillance and other related domains.

搜集汇总

数据集介绍

构建方式

在步态识别领域，传统视觉方法受限于二维信息，难以捕捉三维结构特征。SUSTech1K数据集通过搭载128线激光雷达与单目相机的移动机器人，在南方科技大学校园的三个户外场景中采集数据。采集过程中，每位受试者沿预设路径进行正常行走及携带随机物品的变体行走，共生成25,239个序列，涵盖1,050名受试者。数据经过同步处理，激光雷达点云以10帧/秒记录，RGB图像以30帧/秒捕获，并通过人工分割与标注，确保了序列的时空对齐与多模态一致性。

特点

SUSTech1K作为首个大规模激光雷达步态识别数据集，其核心特点在于三维几何信息的精确性与多样性。数据集提供高密度点云，保留了人体的高度、形状等多视角三维结构特征，有效克服了传统RGB图像在光照变化、复杂背景下的视觉模糊性。同时，数据集覆盖了遮挡、衣物更换、携带物品、夜间环境等多种真实场景变异，并附有详细标注，为研究不同因素对步态识别的影响提供了丰富样本。多模态数据融合进一步拓展了传感器协同研究的可能性。

使用方法

该数据集适用于三维步态识别算法的开发与评估，尤其侧重于跨视角、多条件下的性能验证。使用时可遵循开放集协议，将数据划分为训练、验证和测试集，确保身份无重叠。评估采用交叉视图检索任务，以Rank-1和Rank-5准确率作为主要指标。研究者可通过点云投影为深度图，结合卷积网络提取时空特征，或直接利用点云数据探索三维结构建模。数据集中同步的RGB与点云数据也为多模态融合方法提供了实验基础。

背景与挑战

背景概述

步态识别作为生物特征识别领域的重要分支，具备远距离、非接触式身份认证的独特优势，在安防监控、人机交互等场景中展现出广阔应用前景。传统基于视觉摄像头的步态识别方法虽在受限环境中取得显著进展，但受限于二维图像缺乏三维几何信息，难以应对复杂真实世界中的多视角、遮挡及光照变化等挑战。为突破这一局限，南方科技大学研究团队于2023年推出了首个大规模激光雷达步态数据集SUSTech1K，该数据集通过集成128线激光雷达与RGB相机，采集了1,050名受试者在户外多场景下的25,239段同步多模态序列，涵盖可见性、视角、遮挡、着装、携带物等多维度变量，为三维步态识别研究提供了高精度点云数据支撑，推动了步态识别从二维表观特征向三维几何结构特征的范式演进。

当前挑战

SUSTech1K数据集致力于解决三维步态识别领域的核心挑战：如何从稀疏点云中提取具有判别力的精细步态特征。传统基于点云的物体分类方法侧重于全局上下文建模，而步态识别需捕捉人体运动的细微局部模式，现有点云处理方法在此任务上表现欠佳。数据构建过程中面临多重挑战：激光雷达点云数据具有稀疏性与非结构化特性，需设计有效的投影转换方法以保留三维几何信息；户外采集需协调多传感器同步，并应对光照变化、动态遮挡等复杂环境干扰；同时需在保障数据多样性的基础上，通过人工标注与数据清洗确保点云质量，并兼顾隐私保护与伦理审查要求。

常用场景

经典使用场景

在步态识别研究领域，SUSTech1K数据集为探索三维点云在身份识别中的应用提供了关键实验平台。该数据集通过激光雷达传感器采集了包含1050名受试者的25,239个步态序列，涵盖了多种真实场景下的变化因素，如遮挡、光照变化、着装差异和携带物品等。研究者利用该数据集能够系统评估点云数据在跨视角、复杂环境下的步态特征表征能力，为三维生物特征识别方法的发展奠定数据基础。

解决学术问题

SUSTech1K数据集有效解决了传统视觉步态识别中三维几何信息缺失与真实场景适应性不足两大核心学术问题。传统基于摄像机的步态识别方法依赖于二维轮廓信息，难以捕捉人体的三维结构特征，且在光照变化、复杂背景等户外条件下性能显著下降。该数据集提供的精确点云数据不仅包含了人体的高度、形态等多视角三维几何信息，还通过同步采集的RGB数据支持多模态融合研究，为探索具有强鲁棒性的三维步态识别算法提供了关键数据支撑。

衍生相关工作

围绕SUSTech1K数据集，研究者已衍生出多项具有影响力的创新工作。其中最具代表性的是与该数据集同期提出的LidarGait框架，该框架通过将点云投影为深度图并利用卷积网络提取特征，显著提升了点云步态识别性能。后续研究在此基础上发展了多视角融合的MV-LidarGait方法，探索了鸟瞰图、侧视图等多视角投影的互补性。这些工作不仅验证了点云数据在步态识别中的优越性，还推动了PointNet++、PointTransformer等通用点云处理方法在细粒度生物特征识别任务中的适应性改进。