TUMTraf EMOT：面向交通场景的事件型多目标跟踪数据集与基线
计算机视觉与模式识别
2025-12-23 v2
摘要
在智能交通系统（ITS）中，多目标跟踪主要基于帧式摄像头实现。然而，这些摄像头在低光照和高速运动条件下性能较差。事件 摄像头具有低时延、高动态范围和高时间分辨率，在缓解这些问题方面具有巨大的潜力。与帧式视觉相比，事件型视觉的研究数量极少。为此，我们引入一个初步数据集，专为事件型 ITS 设计，覆盖车辆和行人检测与跟踪。我们建立了一个基于此数据集的跟踪-检测基准，配备专用的特征提取器，实现了优异的性能。
引用
@article{arxiv.2512.14595,
title = {TUMTraf EMOT: Event-Based Multi-Object Tracking Dataset and Baseline for Traffic Scenarios},
author = {Mengyu Li and Xingcheng Zhou and Guang Chen and Alois Knoll and Hu Cao},
journal= {arXiv preprint arXiv:2512.14595},
year = {2025}
}
备注
10 pages, 9 figures