TSBOW——基于多种天气条件下遮挡车辆的交通监控基准
计算机视觉与模式识别
2026-05-18 v2
摘要
全球变暖加剧了极端天气事件的频率和严重程度，这些事件会降低 CCTV 信号和视频质量，同时扰乱交通秩序，从而增加交通事故率。现有数据集通常仅覆盖轻度浓雾、雨雪等情况，无法捕捉极端天气条件。为此，本文引入了基于多种天气条件下遮挡车辆的交通监控基准（TSBOW），一个旨在提升遮挡车辆检测能力的综合数据集。TSBOW 包含来自人口稠密城市地区的超过 32 小时的真实交通数据，包含超过 48,000 帧手动标注和 320 万帧半标签帧；边界框覆盖八类交通参与者，从大型车辆到微型交通工具和行人。我们建立了 TSBOW 的目标检测基准，突出遮挡和恶劣天气所带来的挑战。由于其多样化的道路类型、尺度和视角，TSBOW 是推动智能交通系统发展的关键资源。我们的研究表明，基于 CCTV 的交通监控具有巨大潜力，为新研究和应用铺平了道路。TSBOW 数据集已公开提供：https://github.com/SKKUAutoLab/TSBOW。
引用
@article{arxiv.2602.05414,
title = {TSBOW -- Traffic Surveillance Benchmark for Occluded Vehicles Under Various Weather Conditions},
author = {Ngoc Doan-Minh Huynh and Duong Nguyen-Ngoc Tran and Long Hoang Pham and Tai Huu-Phuong Tran and Hyung-Joon Jeon and Huy-Hung Nguyen and Duong Khac Vu and Hyung-Min Jeon and Son Hong Phan and Quoc Pham-Nam Ho and Chi Dai Tran and Trinh Le Ba Khanh and Jae Wook Jeon},
journal= {arXiv preprint arXiv:2602.05414},
year = {2026}
}
备注
This paper has been accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI-26)