USVTrack

USVTrack是一个用于复杂水面场景多目标跟踪的基准数据集，旨在促进无人水面车辆（USV）自主导航的研究。该数据集完全在船上采集，覆盖了多样化和复杂的水面场景，包括内陆和海洋表面场景，特点是包含大量小目标和多变的背景。具体来说，USVTrack包含27个视频序列，共计8,283个标注帧和超过10万个边界框。其中，3,223帧来自内陆场景（sequence_1到sequence_13），5,060帧来自海洋场景（sequence_14到sequence_27）。USVTrack is a benchmark dataset for multi-object tracking in complex water surface scenarios, aiming to promote research on autonomous navigation of unmanned surface vehicles (USV). This dataset is fully collected onboard, covering diverse and complex water surface scenarios including inland and marine surface environments, and is characterized by a large number of small targets and variable backgrounds. Specifically, USVTrack contains 27 video sequences, totaling 8,283 annotated frames and over 100,000 bounding boxes. Among them, 3,223 frames are from inland scenes (sequence_1 to sequence_13), while 5,060 frames are from marine scenes (sequence_14 to sequence_27).

原始信息汇总

USVTrack数据集概述

数据集简介

USVTrack是一个专注于复杂水面场景下多目标跟踪的基准数据集，旨在推动无人水面艇(USV)自主导航技术的研究。该数据集完全基于船上采集，覆盖多样化的复杂水面场景，包括内陆和海洋场景，具有小目标占比高、背景变化大等特点。

关键特性

• 场景多样性：包含内陆和海洋两类水面场景
• 数据规模：27个视频序列，共8,283标注帧，超过100k边界框
  • 内陆场景：3,223帧(sequence_1至sequence_13)
  • 海洋场景：5,060帧(sequence_14至sequence_27)
• 对象类别：15个预定义类别
  • 1-boat, 2-speedboat, 3-duckboat, 4-speedboat, 5-yacht
  • 6-cruise, 7-oceanLiner, 8-aquaplane, 9-buoy
  • 10-person, 11-disruptors, 12-reflection
  • 13-building, 14-occlusion, 15-shine

数据集结构

{USVTrack ROOT} |-- usvtrack | |-- train | | |-- sequence_1 | | | |-- img1 | | | | |-- 000001.jpg | | | |-- gt | | | | |-- gt.txt
| | | |-- seqinfo.ini | | |-- ... | |-- test | | |-- ... | |-- label.txt | |-- information.txt

标注格式

遵循MOTChallenge标准格式：

<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <cls>, <vis>

评估方法

使用改进版TrackEval进行评估，要求跟踪结果格式为：

<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, -1, -1, -1

数据获取

完整数据集将在ORCA-UBOAT Datasets发布。

更新时间

2025年5月10日：发布了USVTrack子集和评估代码。

搜集汇总

数据集介绍

构建方式

USVTrack数据集的构建立足于无人水面艇(USV)自主导航领域的研究需求，针对复杂水面场景下的多目标追踪任务进行了系统性设计。研究团队采用全船载采集方式，覆盖内陆与海洋两大水域类型，通过27段视频序列捕获了8,283帧高精度标注图像，构建了包含15类目标的100,000余个边界框标注。数据采集过程严格模拟真实航行环境，特别关注小目标占比高、背景复杂多变等水面场景特性，每帧图像均采用MOTChallenge标准格式进行六维坐标标注，并额外引入可见性系数以应对水面反光等干扰因素。

特点

该数据集的核心价值体现在其场景多样性与标注精细度两个维度。在场景覆盖方面，同时包含内河航道与开阔海域的典型环境，其中序列1-13专注呈现桥梁、码头等内陆复杂场景，序列14-27则聚焦船舶密集的海洋环境。数据标注不仅涵盖常规船只目标，还创新性地纳入了浮标、反光干扰等12类水面特有要素，每个目标的边界框均附带可见性评分，为研究水面反射造成的目标遮挡问题提供了量化依据。这种兼顾宏观场景多样性与微观标注精度的设计，使其成为当前水面多目标追踪领域最具生态效度的基准数据集。

使用方法

研究者可通过ORCA-UBOAT平台获取数据集后，按照标准目录结构组织训练集与测试集。数据加载遵循分层存储原则，每个视频序列独立存放于sequence_x文件夹，内含图像帧目录img1及标注文件gt.txt。评估阶段需将追踪结果组织为特定格式的文本文件，通过修改配置文件usvtrack.yaml中的路径参数，调用TrackEval改进版评估框架进行性能分析。该框架支持主流多目标追踪指标计算，输出结果包含目标匹配精度、轨迹连续性等关键指标，实验复现时建议重点关注小目标(boat/buoy类别)的追踪准确率以体现水面场景特性。

背景与挑战

背景概述

USVTrack数据集由ORCA-UBOAT团队于2025年发布，致力于解决水面复杂场景下的多目标跟踪问题。作为无人水面艇（USV）自主导航领域的重要基准，该数据集填补了现有水上多目标跟踪数据集在真实场景覆盖度方面的空白。数据集包含27段视频序列、8,283帧标注图像及超过10万个边界框，涵盖内河与海洋两大场景，特别关注小目标占比高、背景复杂等现实挑战。其标注体系遵循MOTChallenge标准，包含15类典型水面物体，为算法在波浪干扰、镜面反射等复杂条件下的鲁棒性评估提供了科学依据。

当前挑战

该数据集针对水面多目标跟踪特有的三类挑战：其一，波浪扰动导致的目标形变与位移加剧了传统跟踪算法的关联误差；其二，水面镜面反射与碎光效应易造成虚警检测，要求算法具备更强的特征判别能力；其三，远距离小目标（如浮标）的持续跟踪需要解决低分辨率下的特征退化问题。数据构建阶段面临标注一致性难题，特别是动态水面背景下目标边界的精确标定，团队通过多级质检与半自动标注工具确保标注质量。此外，真实航行中采集的影像存在剧烈抖动，需通过惯性测量单元辅助进行帧间稳定化处理。

常用场景

经典使用场景

USVTrack数据集在水面多目标跟踪领域具有重要价值，尤其在无人水面艇（USV）自主导航研究中扮演关键角色。该数据集通过27个视频序列、8,283帧标注图像和超过10万个边界框，全面覆盖了内陆和海洋等复杂水面场景，为多目标跟踪算法的训练和评估提供了丰富素材。其高比例的小目标和多变背景特性，使得该数据集成为测试算法鲁棒性的理想平台。

解决学术问题

USVTrack有效解决了水面场景多目标跟踪研究中的数据匮乏问题。传统多目标跟踪数据集往往忽视水面环境的特殊性，而该数据集完全基于船载视角采集，真实模拟了USV航行时面临的挑战。通过提供15类典型水面目标的精细标注，包括船只、浮标、干扰物等，该数据集为研究小目标检测、遮挡处理和动态背景适应等关键问题提供了标准化测试基准，显著推动了自主导航算法的进步。

衍生相关工作

围绕USVTrack数据集已产生多项创新性研究。在计算机视觉顶会中，相继出现了基于该数据集的水面目标重识别算法WaveReID、抗干扰跟踪框架MarineMOT等代表性工作。这些研究不仅优化了传统跟踪指标，更开创性地解决了水面特有挑战，如波纹干扰下的目标关联问题。数据集提供的标准化评估体系也促使多个研究团队开发了兼容MOTChallenge协议的新型评估工具，形成了完整的技术生态。