DOI:10.11991/yykj.202301009网络出版地址：https://link.cnki.net/urlid/23.1191.U.20231206.1308.006复杂道路监控场景下的车辆检测与跟踪数据集伍琼燕，赵征鹏，王林飞，武艺强，邵雅磊，王稳，陶大鹏云南大学信息学院，云南昆明650500摘要：针对现有大部分车辆检测与跟踪数据集通常存在的采集场景单一、数据集长尾分布以及图像采集环境简单等问题，本文构建一个车辆数据集VeDT-MSS，用于城市以及乡村监控场景下4种车辆类别（小汽车、卡车、公交车和摩托车）的检测以及跟踪研究。该数据集具有交通场景多样化、卡车的类内多样性大、摩托车标注实例占比高以及背景复杂程度高4个显著特性。为了验证该数据集的有效性，在目标检测以及多目标跟踪任务上进行了大量的基线实验。实验结果表明，VeDT-MSS数据集在评估现有算法的鲁棒性和泛化性方面具有实用性。该数据集的提出对促进车辆检测与跟踪研究具有相当的潜力，并为计算机视觉社区评估算法性能提供一个新的数据选择。关键词：车辆检测与跟踪；数据集；监控场景；VeDT-MSS；深度学习；目标检测；多目标跟踪；乡村道路中图分类号：TP391文献标志码：A文章编号：1009−671X(2024)01−0010−10VehicledetectionandtrackingdatasetincomplexroadsurveillancescenariosWUQiongyan,ZHAOZhengpeng,WANGLinfei,WUYiqiang,SHAOYalei,WANGWen,TAODapengSchoolofInformation,YunnanUniversity,Kunming650500,ChinaAbstract:Aimingattheproblemsofsingleacquisitionscenario,long-taileddistributionofdatasets,andsimpleimageenvironmentinmostexistingvehicledetectionandtrackingdatasets,avehicledatasetVeDT-MSS(vehicledetectionandtrackingformultiplesurveillancescenarios)isproposedinthispaperforthedetectionandtrackingresearchoffourvehiclecategories(car,truck,bus,andmotorcycle)inurbanandruralsurveillancescenarios.Thedatasethasfoursalientfeatures:diversetrafficscenarios,largeintra-classdiversityoftrucks,anelevatedproportionofmotorcycleannotationinstances,andhighbackgroundcomplexity.Tovalidatetheeffectivenessofthisdataset,alargenumberofbaselineexperimentshavebeenperformedonobjectdetectionandmulti-objecttrackingtasks.ExperimentalresultsdemonstratetheutilityoftheVeDT-MSSdatasetinevaluatingtherobustnessandgeneralizationofexistingalgorithms.Theproposedda...
