基于热红外图像的人体目标检测方法数据集

面向红外视觉或多光谱视觉行人检测研究，一些研究者近年来面向相关应用构建了一些数据集，其中较有代表性的有以下5个。

1）KAIST Multispectral Pedestrian Detection Benchmark

Hwang等［117］搭建了由可见光相机、红外热像仪、分光镜和三轴相机夹具组成并实现精密光学配准图像的采集系统，使用该系统拍摄日间和夜间的校园、街道以及乡村的交通场景，构建面向智能驾驶的可见光与红外图像行人检测数据集KAIST（https：//github.com/Soonmin Hwang/rgbt-ped-detection）。KAIST中每张图像都包含RGB彩色图像和热红外图像两个版本，图像分辨率为640×480，共计95 328张。数据集的标签包含person、people和cyclist三个类别，总共包含103 128个行人标注框，其中比较好区分的个体标注为person，不太好分辨的多个个体标注为people，骑行的人则标注为cyclist。在全部标注对象中，未被遮挡、部分遮挡以及严重遮挡的行人目标占比分别为78.6%、12.6%以及8.8%。

2）OTCBVS Benchmark Dataset Collection

OTCBVS Benchmark Dataset Collection（http：//vcipl-okstate.org/pbvs/bench/）是面向多任务的图像数据库，由14个子数据库构成。其中，俄亥俄州立大学人体体温数据库（OSU Thermal Pedestrian Database）、Terravic运动红外数据库（Terravic Motion IR Database）、视觉分析热红外视频基准库（Thermal Infrared Video Benchmark for Visual Analysis）等可用于人体目标的检测与分析。以视觉分析热红外视频基准库为例，它包括从512×512到1 024×1 024多种分辨率的热红外序列图像，图像中出现单/多视角下的单/多类目标，面向人体目标的识别、跟踪、计数等应用。

3）FLIR Thermal Dataset(www.xing528.com)

FLIR Thermal Dataset（https：//www.flir.in/oem/adas/adas-datasetform/）是FLIR System公司面向ADAS应用环境，为在完全漆黑、烟雾、恶劣天气和眩光等具有挑战性的天气条件下，能更好检测和区分行人、骑行者、动物和机动车辆开发的机器学习算法（特别是DNN算法）的公开热红外图像数据集。数据集共14 000张图像，描述的是日间（60%）和夜间（40%）晴到多云天气行驶在加利福尼亚州圣巴巴拉市街道和公路上的场景，这些场景中的目标包括人、汽车、自行车、狗以及其他车辆，并都相应做了标注。

4）SCUT FIR Pedestrian Dataset

SCUT FIR Pedestrian Datasets［118］是大型的长波红外行人检测数据集（https：//github.com/SCUT-CV/SCUT＿FIR＿Pedestrian＿Dataset），由长达11小时的序列图像构成，图像帧率为25 Hz，描述的是在时速80码（即80 km/h）下，在广州的商业区、郊区、高速路以及校园等地点合计11个路段的交通场景。数据集在211 011帧中为7 659个不同行人标注了合计477 907个标定框。在该数据集中，S0-S10为训练集，合计70 517帧，3 703个不同行人，240 297个标注框；S11-S20为测试集，合计73 115帧，3 940个不同行人，237 610个标注框。

5）INO Videos Analytics Dataset

INO Videos Analytics Dataset（ftp：//ftp.ino.ca/Video AnalyticsDataset）由加拿大国家光学研究所（National Optics Institute of Canada）构建，包含了不同天气状况下多种户外场景例如停车场、校园、高速公路、大厅入口等的可见光序列图像以及可见光-热红外多光谱序列图像。这些图像包含了单/多人行为、车辆运动等，另外其中的热红外与可见光图像实现了像素级配准。