面向多目标跟踪与行为分析的大规模城市监控视频数据集

多目标跟踪与行为分析一直是面向公共安全与城市管理的监控视频分析的重要组成部分。全球每天捕获数十亿监控视频，依靠人工进行多目标跟踪与行为分析繁琐且成本高昂。得益于近年来深度学习算法的快速发展，自动目标跟踪与行为分析对能够反映真实应用中多样、拥挤且复杂场景的大规模精细标注监控视频数据集提出了迫切需求。本文介绍了一个城市监控视频数据集（USVD），它是迄今为止规模最大、最为全面的数据集。该数据集由在街道、十字路口、医院入口、学校门口、公园、步行街和公共广场这7类典型室外场景中捕获的16个场景组成。超过20万视频帧经过精心标注，产生了逾370万个目标边界框和约7100条轨迹。我们进一步利用该数据集评估典型多目标跟踪与异常行为分析算法的性能，并探究这些方法在城市拥挤场景下的鲁棒性。