DanceTrack数据集介绍

(2 封私信) DanceTrack: 相似外观和复杂运动的多目标追踪数据集 (CVPR2022) - 知乎https://opendatalab.org.cn/OpenDataLab/DanceTrack

简介：

时间：2022

期刊：CVPR

作者：Peize Sun，Jinkun Cao，Yi Jiang等

在视频多目标追踪领域，现在主要有两个路线的工作，一个是以车辆追踪为代表的高速刚体追踪，代表数据集有KITTI等；另外一类则是以行人追踪为代表的低速非刚体物体追踪，代表数据集有MOT17, MOT20等。

作者在多目标（行人）跟踪领域，提出了一个新的数据集DanceTrack。

现有数据集：

不足：

①目标运动模式简单，一般可近似为匀速线性运动；

②目标的外观差别很大，当目标的检测框准确时，外观相似度匹配可以很好的完成追踪任务。

特点：

①相较于匹配算法的改进，更加重视改善目标检测的性能；

②非常依赖外观匹配。

DanceTrack：

目的：

①强调一些被已有数据集所忽略的目标追踪线索，避免MOT变成完全的Detection + ReID；

②促进之后的算法在关注目标检测；

③在目标匹配上更多地关注目标外观之外的线索。

特点：

作者收集了100段视频，内容包括集体舞蹈、功夫、体操等。

①目标人物穿着相似甚至一致；

②目标之间有大量的遮挡和位置交错；

③目标的运动模式非常复杂多样，呈现明显的非线性，并且时常伴随多样的肢体动作。

展望未来：

①分析目标之间的位置和交互；

②外观之外的其他的匹配线索，如运动轨迹等。

对比MOT17与MOT20：

因为DanceTrack中的目标都非常清晰而且处于近景，所以目标检测一般不会成为算法的瓶颈。在下图，作者比较了DanceTrack和MOT17和MOT20的一些统计数据，帮助大家更直观的了解其宏观特点。为了强调算法的追踪性能，作者使用HOTA作为DanceTrack主要评价指标。

数据集：

介绍：

DanceTrack是一个多人类跟踪数据集，具有两个强调的属性 :

①外观均匀: 人类外观高度相似且几乎没有区别;

②运动多样: 人类处于复杂的运动模式中，并且它们的相对位置经常交换。

作者希望均匀的外观和复杂的运动模式相结合，使DanceTrack成为鼓励更全面，更智能的多目标跟踪算法的平台。

内容：

在下载链接中获取下载DanceTrack的原数据，主要结构如图所示

DanceTrack数据集包括测试集test，训练集train和验证集val；总共包含100段图片序列，并用DanceTrack0X命名，其中，测试集包括35段图片序列，训练集包括40段图片序列，验证集包括25段图片序列。

每段视频的长度大约为1min

格式如下图所示，包含gt文件、图片、和seqinfo.ini