SEPose：用于行人监控的合成事件相机人体姿态估计数据集
计算机视觉与模式识别
2025-07-17 v1
摘要
事件传感器已成为解决行人和交通监控系统中挑战性条件的有前景方案。其低延迟和高动态范围能够改善由注意力分散行走或其他异常移动引起的对安全关键情况的响应时间。然而，涵盖此类场景的数据可用性仍然有限。为了填补这一空白，我们提出了 SEPose——一个全面的合成事件相机人体姿态估计数据集，该数据集使用 CARLA 模拟器中的动态视觉传感器生成，用于固定视角的行人感知。SEPose 包含近 35 万名带有身体姿态关键点标注的行人，且均从固定交通摄像头视角获取，是一个全面的合成多人姿态估计数据集，涵盖了城市、郊区和乡村环境中四向交叉路口在不同光照和天气条件下的拥挤和稀疏人群及交通场景。我们在我们的数据集上训练了现有的最先进模型（如 RVT 和 YOLOv8），并在真实事件相机数据上对其进行评估，以证明所提出数据集的 sim-to-real 泛化能力。
引用
@article{arxiv.2507.11910,
title = {SEPose: A Synthetic Event-based Human Pose Estimation Dataset for Pedestrian Monitoring},
author = {Kaustav Chanda and Aayush Atul Verma and Arpitsinh Vaghela and Yezhou Yang and Bharatesh Chakravarthi},
journal= {arXiv preprint arXiv:2507.11910},
year = {2025}
}
备注
Accepted at the 28th IEEE International Conference on Intelligent Transportation Systems (ITSC 2025)