SDM-Car-SU

SDM-Car-SU 是一个用于非稳定卫星视频中多目标跟踪的基准数据集。该数据集基于 SDM-Car 数据集构建，通过移动成像窗口引入全局背景运动，模拟了真实的卫星在轨成像条件，以反映卫星平台动力学引起的复杂运动。数据集包含了多样化的运动模式，如不同的方向、速度及其组合。发布的 SDM-Car-SU 数据集包含四个子集：U1、U2、U3 和 Merge。其中 U1、U2、U3 分别代表每帧 1 像素、2 像素和 3 像素位移的递增平台运动强度，而 Merge 是 U1、U2 和 U3 的并集。数据集结构按子集组织，每个子集下包含训练数据（train_data）、测试数据（test_data）、验证数据（val_data）和标注文件（annotations）目录。标注文件以 JSON 格式提供。该数据集适用于对象检测、多目标跟踪、卫星视频分析、车辆跟踪、遥感微小目标检测等任务，主要用于学术研究。SDM-Car-SU is a benchmark dataset for multi-object tracking in non-stabilized satellite videos. Built upon the SDM-Car dataset, it introduces global background motion via a moving imaging window to simulate real on-orbit satellite imaging conditions, reflecting complex motions induced by satellite platform dynamics. The dataset includes diverse motion patterns such as varying directions, speeds, and their combinations. The released SDM-Car-SU dataset contains four subsets: U1, U2, U3, and Merge. Specifically, U1, U2, and U3 represent increasing platform motion intensities with 1-pixel, 2-pixel, and 3-pixel displacement per frame respectively, while Merge is the union of U1, U2, and U3. The dataset is structured by subsets, and each subset contains directories for training data (train_data), test data (test_data), validation data (val_data), and annotation files (annotations). The annotation files are provided in JSON format. This dataset is applicable to tasks including object detection, multi-object tracking, satellite video analysis, vehicle tracking, and small target detection in remote sensing, and is mainly used for academic research.

原始信息汇总

数据集概述

SDM-Car-SU 是一个用于非稳定卫星视频中多目标跟踪的基准数据集。它基于 SDM-Car 构建，通过引入移动成像窗口来模拟真实的在轨成像条件，从而产生全局背景运动。

主要特点

• 任务类型：目标检测、多目标跟踪
• 应用场景：卫星视频、遥感、车辆跟踪、小目标跟踪
• 核心特性：模拟卫星平台在轨成像时的复杂运动模式（包括不同方向、速度及其组合），包含四种运动强度子集。

数据集组成

SDM-Car-SU 包含四个子集：U1、U2、U3 和 Merge。

子集	描述	下载链接 (Hugging Face)
U1	1 像素/帧位移	下载
U2	2 像素/帧位移	下载
U3	3 像素/帧位移	下载
Merge	U1、U2、U3 的并集	下载

• U1–U3 代表平台运动强度递增，Merge 为三者并集。

数据集结构

每个子集遵循相同的目录结构：

text SDM-Car-SU/ ├── [U1 / U2 / U3 / Merge]/ │ ├── train_data/ # 训练数据，包含序列文件夹（如 1-1-1） │ │ ├── [sequence_folder]/ # 序列文件夹 │ │ │ ├── img1/ # 图像序列 │ │ │ └── gt.txt # 真值标注 │ ├── test_data/ # 测试数据 │ ├── val_data/ # 验证数据 │ └── annotations/ # 标注文件（JSON 格式） │ ├── train.json │ ├── test.json │ └── val.json

注意：Merge 子集中，每个序列文件夹的最后一个后缀表示其来源（-1：U1, -2：U2, -3：U3）。

许可与引用

• 许可协议：CC BY-NC 4.0，仅限学术研究目的。
• 相关论文：详见项目仓库 DeTracker: Motion-Decoupled Vehicle Detection and Tracking in Unstabilized Satellite Videos。

搜集汇总

数据集介绍

构建方式

SDM-Car-SU数据集基于SDM-Car构建，通过引入移动成像窗口来模拟真实在轨成像条件，从而产生全局背景运动，旨在为非稳定卫星视频中的多目标跟踪提供基准。该数据集精心设计了多样化的运动模式，涵盖不同方向、速度及其组合，以精准反映卫星平台动力学所引发的复杂运动特征。

使用方法

用户可根据研究需求，直接下载U1至U3中的单一子集以评估特定运动强度下的算法性能，或使用Merge子集进行综合训练与测试。数据集结构清晰，每个子集内包含图像序列与以JSON格式存储的标注文件，兼容主流目标检测与跟踪框架。详细使用方法及示例代码可参考项目仓库中DeTracker的相关文档。

背景与挑战

背景概述

SDM-Car-SU数据集由武汉大学等机构的研究人员于2026年创建，旨在推进卫星视频中多目标跟踪技术的研究。该数据集基于SDM-Car构建，通过引入移动成像窗口模拟真实在轨成像条件下的全局背景运动，从而复现卫星平台动力学引发的复杂运动模式，包括不同方向、速度及其组合。核心研究问题聚焦于非稳定卫星视频中的车辆检测与跟踪，为遥感领域的小目标跟踪与运动解耦分析提供了关键基准。其发布显著推动了相关算法在动态背景下的鲁棒性评估，对智能遥感监测技术的发展具有重要影响。

当前挑战

SDM-Car-SU所解决的领域挑战在于非稳定卫星视频中多目标跟踪的难题：卫星平台运动导致的全局背景位移使得目标表观运动与平台运动高度耦合，传统方法难以分离有效运动信息。构建过程中，研究人员面临模拟真实在轨成像条件的复杂性，需在保证目标真实性的前提下生成不同强度的平台运动（如1至3像素/帧的位移），并确保数据集涵盖多样化运动模式。此外，标注微小车辆目标的精确位置与轨迹在动态背景中极具难度，需兼顾数据规模与标注一致性，以支撑基准测试的可靠性。

常用场景

经典使用场景

SDM-Car-SU数据集专为卫星视频中非稳定平台下的多目标跟踪任务而设计，其核心使用场景在于模拟真实在轨成像条件，通过引入移动成像窗口带来的全局背景运动，构建出包含不同方向、速度及其组合的复杂运动模式的数据集。研究者通常利用该数据集评估和提升算法在平台抖动、背景漂移等非理想条件下的车辆检测与跟踪性能，尤其关注对微小运动目标的鲁棒性。该数据集提供的四个子集U1至U3分别对应不同像素级的帧间位移，为定量分析运动强度对算法精度的影响提供了标准化基准。

解决学术问题

该数据集旨在解决卫星视频分析领域中一个长期存在的学术瓶颈：如何有效应对卫星平台自身运动所导致的图像不稳定问题。传统多目标跟踪方法多假设背景静止或经过严格配准，但在实际在轨场景中，平台抖动会引入复杂的全局运动，使得微小车辆目标更难被准确检测和连续跟踪。SDM-Car-SU通过系统性地模拟这类运动，填补了非稳定卫星视频跟踪基准的空白，为研究者提供了评估运动解耦、背景补偿等关键技术效果的标准化平台，其发布对推动遥感视频智能解译从理想假设走向实际应用具有重要的学术里程碑意义。

实际应用

在实际应用层面，SDM-Car-SU数据集直接服务于对地观测系统中的智能交通监控、军事区域态势感知以及灾害应急响应等关键领域。当卫星在轨执行观测任务时，其成像平台不可避免地会受姿态调整、轨道振动等因素干扰，导致视频帧出现不规则移动。基于该数据集训练的算法能够有效降噪并分离目标运动与背景运动，从而在真实卫星视频中实现车辆目标的持续跟踪与轨迹提取，为交通流量统计、异常行为检测以及城市规划动态监测等实际需求提供可靠的技术支撑。

数据集最近研究

最新研究方向

随着卫星视频地球观测技术的飞速发展，非稳定平台下的多目标跟踪已成为遥感领域的前沿挑战。SDM-Car-SU数据集应运而生，其在现有SDM-Car基础上引入移动成像窗模拟真实在轨成像环境，通过多方向、多速度的全局背景运动模式，精准刻画了卫星平台动态引发的复杂运动干扰。该数据集的发布不仅为解耦目标运动与背景运动的算法（如DeTracker）提供了关键基准测试平台，更推动了面向微小弱目标、非稳定场景的车辆检测与跟踪研究。通过提供不同像素级位移的子集（U1至U3），它系统评估了运动强度对跟踪性能的影响，为星载智能感知系统的稳健性设计开辟了全新方向，其学术价值与应用潜力在当前的航天遥感热点中尤为凸显。