DetReIDX

DetReIDX是一个用于评估真实世界无人机和地面条件下行人检测和人员重新识别（ReID）的挑战性数据集。通过无人机和地面摄像机捕获，模拟了涉及远距离跟踪、可变俯仰角、遮挡和域转移的复杂场景。

DetReIDX is a challenging dataset for evaluating pedestrian detection and person re-identification (ReID) under real-world drone and ground conditions. Captured via drone and ground cameras, it simulates complex scenarios involving long-distance tracking, variable pitch angles, occlusions, and domain shift.

原始信息汇总

DetReIDX 数据集概述

数据集简介

DetReIDX 是一个用于评估真实世界空中和地面条件下行人检测和行人重识别（ReID）的挑战性数据集。通过无人机和地面摄像机捕获，模拟了涉及远距离跟踪、可变俯仰角、遮挡和域偏移的复杂场景。

主要特点

• 真实世界无人机数据：从高达40米的无人机捕获，具有不同的俯仰角和距离。
• 多场景模拟：
  • 空中到空中：从无人机数据的跨会话泛化。
  • 空中到地面/地面到空中：域偏移下的跨视图匹配。
  • 长期和远距离匹配：在严重视觉退化下的身份持久性。
• 标注信息：
  • 行人检测的边界框。
  • ReID的身份标签。
  • 文件名编码摄像机高度、俯仰角和距离以进行上下文分析。

数据集结构

DetReIDX/ ├── train/ │ └── PID/ │ └── tracklet/ ├── query/ │ └── PID/ │ └── tracklet/ ├── gallery/ │ └── PID/ │ └── tracklet/

下载信息

数据集访问和下载链接可在官方项目网站获取：
https://www.it.ubi.pt/DetReIDX

评估协议

• 检测：在不同空中配置下评估行人边界框。
• ReID：使用mAP和CMC指标在不同域和会话之间匹配身份。

引用信息

如果使用DetReIDX，请引用： bibtex @article{detreidx2025, title={DetReIDX: A Stress-Test Dataset for Real-World UAV-Based Person Recognition}, author={Kailash et al.}, journal={IEEE Transactions on Pattern Analysis and Machine Intelligence}, year={2025}, note={Dataset available at url{https://www.it.ubi.pt/DetReIDX}} }

搜集汇总

数据集介绍

构建方式

DetReIDX数据集通过无人机与地面摄像设备协同采集，构建了一个极具挑战性的行人检测与再识别基准库。数据采集高度覆盖至40米空域，采用多角度俯仰拍摄策略，模拟真实场景中的长距离追踪、遮挡及跨视角匹配等复杂条件。数据集通过结构化标注流程，为每个样本提供检测框坐标、行人ID标签及包含拍摄高度、俯仰角、距离等元数据的文件名编码，确保数据可追溯性。训练集、查询集与候选集的划分采用基于行人轨迹片段的组织形式，支持短期和长期身份关联的评估需求。

特点

该数据集的核心价值在于其真实无人机作业场景下的多模态特性。数据覆盖从空中到地面的跨视角匹配任务，包含因高度变化导致的尺度差异、俯仰角变化带来的形变干扰等典型挑战。标注体系创新性地融合了空间位置参数与身份信息，为域适应研究提供细粒度分析维度。特别设计的长期追踪子集包含严重视觉退化条件下的身份持续验证案例，对算法鲁棒性提出更高要求。评估协议同时兼顾检测框精度与跨域再识别指标，形成对立体视觉系统的全面测评框架。

使用方法

研究者可通过官方门户获取标准数据集包，其层级目录结构已按机器学习范式预分割为训练集、查询集和候选集。每个身份数据以轨迹片段为单位存储，便于时序特征建模。检测任务可直接加载标注文件中的边界框坐标，而再识别实验需遵循预设的跨视角匹配协议。评估阶段建议采用mAP与CMC指标衡量算法性能，特别注意应对不同高度区间数据进行子集分析。数据集文件命名系统内嵌的拍摄参数为域偏移研究提供了天然的控制变量。

背景与挑战

背景概述

DetReIDX数据集由葡萄牙贝拉地区内政大学（UBI）的研究团队于2025年创建，旨在解决无人机视角下行人检测与再识别这一新兴领域的核心问题。该数据集通过无人机与地面摄像设备的协同采集，构建了包含40米高空俯拍、多角度倾斜及跨域场景的基准测试平台，其创新性地将航空摄影几何参数与行人身份标签相结合，为计算机视觉领域研究跨视角目标匹配提供了重要实验数据。作为首个系统性整合航空动力学参数与行人特征的数据集，DetReIDX显著推动了智能监控、应急搜救等应用场景的技术发展。

当前挑战

该数据集主要应对两大技术挑战：在领域问题层面，航空视角下的行人再识别需克服长距离拍摄导致的像素退化、极端俯仰角造成的形体畸变，以及地面-空中跨域场景下的特征分布差异；在构建过程中，研究团队面临多设备时空同步校准、复杂遮挡场景下的身份持续标注，以及航空影像中微小目标标注精度控制等工程难题。这些挑战使得DetReIDX成为评估算法在真实复杂环境中鲁棒性的有效基准。

常用场景

经典使用场景

在无人机视觉领域，DetReIDX数据集为行人检测与再识别研究提供了极具挑战性的基准测试平台。其独特的跨视角、跨域特性使得该数据集常被用于评估算法在复杂真实场景中的鲁棒性，特别是在无人机与地面摄像头协同工作的安防监控场景下，研究者可通过该数据集验证模型在长距离追踪、遮挡处理以及视角变化等极端条件下的性能表现。

衍生相关工作

DetReIDX催生了多个无人机视觉领域的标志性研究，包括基于元学习的跨域适应方法、抗遮挡特征提取网络架构以及多模态传感器融合技术。相关成果已发表在CVPR、ICCV等顶级会议，其中部分工作通过引入时空注意力机制，显著提升了在数据集标注的极端俯仰角条件下的识别准确率。

数据集最近研究

最新研究方向

在无人机视觉领域，DetReIDX数据集为跨域行人重识别与检测研究提供了全新的基准测试平台。该数据集通过模拟真实场景下的长距离追踪、多角度拍摄及复杂遮挡条件，推动了基于无人机视角的行人识别技术向更高鲁棒性方向发展。近期研究聚焦于解决低分辨率图像中的身份特征保持问题，以及跨视角（空中-地面）的域适应算法优化，这些突破对安防监控、应急救援等实际应用具有显著价值。