Parking Pedestrian Dataset (PPD)

停车行人数据集（PPD）是一个大规模的鱼眼数据集，专注于真实世界中行人的检测，特别是在遮挡和多样姿态的情况下。PPD包含多种类型的行人，通过鱼眼摄像头捕捉，旨在解决停车场场景中行人检测的挑战。数据集由复旦大学和纵目科技创建，包含超过33万张鱼眼图像，分为遮挡行人、姿态行人和躺下行人三个子集。PPD通过引入两种数据增强技术（ODA和PDA）来提高行人检测的性能，适用于自动驾驶中的高级驾驶辅助系统（ADAS）研究。The Parking Pedestrian Dataset (PPD) is a large-scale fisheye dataset dedicated to real-world pedestrian detection, especially in scenarios with occlusions and diverse poses. The PPD captures various types of pedestrians via fisheye cameras, aiming to address the challenges of pedestrian detection in parking lot scenarios. Developed by Fudan University and Zongmu Technology, the dataset contains over 330,000 fisheye images, which are divided into three subsets: occluded pedestrians, pedestrians with diverse poses, and lying pedestrians. Moreover, PPD introduces two data augmentation techniques, ODA and PDA, to improve pedestrian detection performance, making it suitable for research on Advanced Driver Assistance Systems (ADAS) in autonomous driving.

搜集汇总

数据集介绍

构建方式

Parking Pedestrian Dataset (PPD) 的构建基于鱼眼摄像头在多个停车场场景中捕捉的多样化行人数据。数据采集覆盖了3个城市、12个停车场，并在不同时间段（如早晨和傍晚）进行，以确保数据的多样性和广泛性。数据集包含超过33万张鱼眼图像，涵盖了行人被遮挡、不同姿势以及躺卧等复杂场景。为了进一步提升数据的多样性，研究团队还提出了两种数据增强技术：Occ-Data-Augmentation (ODA) 和 Pos-Data-Augmentation (PDA)，分别用于生成被遮挡行人和不同姿势行人的合成图像。

特点

PPD 数据集的特点在于其专注于停车场场景中的行人检测，尤其是鱼眼摄像头捕捉的广角视野图像。与传统的针孔摄像头数据集不同，PPD 提供了更大的视野范围，能够更好地捕捉低矮和近距离的行人。此外，PPD 包含了多种复杂的行人场景，如被车辆或障碍物遮挡的行人、不同姿势的行人以及躺卧的行人。数据集的多样性和高质量图像使其成为研究复杂停车场场景下行人检测的理想选择。

使用方法

PPD 数据集可用于训练和评估行人检测模型，尤其是在复杂停车场场景中的应用。研究人员可以使用该数据集来测试模型在遮挡、不同姿势和低光照条件下的表现。此外，PPD 提供了两种数据增强技术（ODA 和 PDA），用户可以通过这些技术生成更多的合成图像，以增强模型的泛化能力。数据集还支持跨数据集评估，帮助研究人员验证模型在其他公开数据集上的泛化性能。

背景与挑战

背景概述

Parking Pedestrian Dataset (PPD) 是由复旦大学与纵目科技共同创建的一个大规模鱼眼图像数据集，旨在支持自动驾驶场景中的行人检测研究，特别是针对停车场景中的行人遮挡和多样化姿态问题。该数据集于2023年发布，包含了超过33万张鱼眼图像，涵盖了多种行人姿态和遮挡情况。PPD的创建填补了现有公开数据集在停车场景行人检测方面的空白，尤其是在鱼眼镜头下的行人检测领域。该数据集的研究背景源于自动驾驶技术的快速发展，尤其是在停车场景中，行人检测的准确性和鲁棒性对驾驶安全至关重要。PPD的发布为相关领域的研究提供了重要的数据支持，推动了鱼眼镜头下行人检测技术的发展。

当前挑战

PPD数据集面临的挑战主要体现在两个方面。首先，停车场景中的行人检测具有极高的复杂性，行人可能以多种姿态出现，且常受到车辆、柱子等物体的遮挡，导致检测难度显著增加。此外，鱼眼镜头的径向畸变使得行人外观发生显著变形，进一步增加了识别的难度。其次，数据集的构建过程中也面临诸多挑战。为了确保数据的多样性和真实性，研究人员需要在不同时间段、不同停车场以及不同光照条件下采集数据，并对图像进行高质量的标注。特别是在处理遮挡和姿态多样化的行人时，标注的准确性和一致性成为一大难题。此外，鱼眼图像的畸变校正和图像质量的提升也是数据集构建中的关键挑战。

常用场景

经典使用场景

Parking Pedestrian Dataset (PPD) 主要用于自动驾驶领域中的行人检测研究，特别是在代客泊车场景下。该数据集通过鱼眼摄像头捕捉了多种姿态和遮挡情况下的行人图像，为研究人员提供了丰富的真实世界数据。PPD 的经典使用场景包括训练和评估行人检测模型，尤其是在复杂停车环境中，行人可能以躺下、蹲下或部分遮挡的姿态出现。

衍生相关工作

PPD 数据集的发布推动了多个相关领域的研究进展。基于 PPD，研究人员开发了多种改进的行人检测算法，尤其是在鱼眼图像处理和复杂场景下的行人检测方面。此外，PPD 的数据增强技术（ODA 和 PDA）也被广泛应用于其他计算机视觉任务中，如目标检测和图像分割。PPD 还启发了更多针对特定场景（如停车场、室内环境）的数据集构建工作，进一步丰富了计算机视觉领域的研究资源。

数据集最近研究

最新研究方向

近年来，随着自动驾驶技术的快速发展，停车场场景下的行人检测成为了研究热点。Parking Pedestrian Dataset (PPD) 作为首个专注于鱼眼摄像头下的停车场行人检测数据集，填补了现有数据集在复杂停车场景下的不足。PPD 提供了超过33万张鱼眼图像，涵盖了行人遮挡、多样姿态等复杂情况，极大地推动了该领域的研究进展。当前的研究方向主要集中在如何通过数据增强技术提升模型在复杂场景下的检测性能。PPD 提出的 Occ-Data-Augmentation (ODA) 和 Pos-Data-Augmentation (PDA) 方法，通过生成高质量的合成图像，显著提升了模型对遮挡和多样姿态行人的检测能力。此外，PPD 在跨数据集测试中展现了优异的泛化能力，表明其在真实场景中的应用潜力。未来，PPD 不仅将推动行人检测技术的发展，还可能扩展到像素级语义分割、视频目标检测等更广泛的视觉任务中。

相关研究论文

• PPD: A New Valet Parking Pedestrian Fisheye Dataset for Autonomous Driving

  复旦大学和纵目科技 · 2023年