摘要
城市交通优化使用交通摄像头作为传感器,推动了先进的多目标多摄像头(MTMC)跟踪的需求。背景
这项工作引入了CityFlow,这是一个城市规模的交通摄像头数据集,包含超过3小时的同步高清视频,来自10个路口的40个摄像头,同时两个摄像头之间的最长距离为2.5公里。据我们所知,CityFlow是城市环境中最大的空间覆盖和摄像头/视频数量的数据集。该数据集包含超过200K的带注释的边界框,涵盖了广泛的场景、视角、车辆模型和城市交通流状况。摄像机的几何形状和校准信息被提供来辅助时空分析。此外,该基准的一个子集可用于基于图像的车辆再识别(ReID)任务。
在这个数据集上,我们对基线/最先进的方法进行了广泛的实验评估,包括MTMC跟踪、多目标单摄像头(MTSC)跟踪、目标检测和基于图像的ReID,分析了不同网络架构、损失函数、任务效率的时空模型及其组合。
在2019年人工智能城市挑战赛(AI City Challenge)上,我们推出了一个evaluation server,让研究人员可以比较他们最新技术的性能。我们希望这个数据集能够催化该领域的研究,推动最先进的技术向前发展,并导致在现实世界中部署交通优化。
数据集
1.有5个场景:说明该数据集覆盖范围广,city