多摄像头行人追踪数据集盘点：从DukeMTMC到Wildtrack

1. 为什么你需要了解多摄像头行人追踪数据集？

如果你刚开始接触计算机视觉，尤其是行人追踪这个方向，可能会被一堆名字绕晕：DukeMTMC、Wildtrack、MOT17、Market-1501…… 更让人头疼的是，很多资料一上来就讲复杂的算法，却很少告诉你，这些算法到底是在什么样的“土壤”里长出来的。这就好比学做菜，只给你菜谱，却不告诉你食材的特性，最后做出来的味道可能天差地别。

我刚开始做多摄像头追踪项目时，就踩过这样的坑。当时导师让我复现一篇顶会论文，我吭哧吭哧把代码跑通了，结果用自己的摄像头拍了一段视频，效果惨不忍睹。后来才发现，那篇论文的模型是在 DukeMTMC 这个数据集上训练的，它的场景是校园开阔地带，摄像头视角固定且同步。而我拍的视频是在室内走廊，光线变化大，摄像头还不同步。这根本就是“水土不服”。从那时起，我就明白了，选对数据集，是项目成功的一半。

所以，这篇文章我想和你聊聊这些数据集。我们不谈那些高深的数学公式，就说说这些数据集“长什么样”、“脾气如何”、以及“适合干什么活”。我会重点盘一盘两个非常经典但又各有特色的数据集：DukeMTMC 和 Wildtrack。它们就像两个性格迥异的朋友，一个曾经是“顶流明星”，另一个则是“小而美”的代表。了解它们，你就能明白，为什么你的模型在A数据集上表现神勇，换到B数据集上就“罢工”了。这对于你设计实验、评估算法、甚至写论文都至关重要。

2. 曾经的王者：DukeMTMC数据集深度解析

2.1 它到底是什么来头？

DukeMTMC，这个名字可以拆开看：Duke（杜克大学），MTMC（多目标多摄像头追踪）。它诞生于2016年，由杜克大学的研究团队发布，在很长一段时间里都是多摄像头行人追踪领域的“黄金标准”和基准测试集。

简单来说，你可以把它想象成一个高度仿真的“校园监控模拟器”。研究团队在杜克大学的校园里，精心挑选并架设了8个高清摄像头。这些摄像头不是随便放的，它们覆盖了一个十字路口及其周边区域，形成了一个监控网络。这意味着，同一个行人，会先后被多个摄像头从不同角度捕捉到。数据集录制了超过2小时的高质量视频（1080p分辨率，60帧/秒），包含了超过2000名身份各异的学生在课间自然行走的画面。

我最初拿到这个数据集时，第一感觉就是“规整”。所有的视频都是严格时间同步的，这意味着在绝对时间 t 这一刻，8个摄像头拍下的画面是同一瞬间的校园场景。这个特性太重要了，它让跨摄像头的轨迹关联和时间推理变得可行。数据标注也非常详尽，不仅提供了每个行人在每一帧中的边界框（Bounding Box），还提供了跨摄像头的、全局唯一的行人ID。也就是说，你可以知道摄像头A里出现的“穿红衣服的女生”，和30秒后在摄像头C里出现的“穿红衣服的女生”，是不是同一个人。

这里有一个非常关键的点，也是新手最容易混淆的地方：我们常说的 DukeMTMC-ReID 其实是它的一个“子集”或“衍生品”。原始的DukeMTMC数据集是为了追踪（Tracking） 任务设计的，视频是连续的。而DukeMTMC-ReID是为了行人再识别（Re-Identification） 任务设计的，它从原始视频中把行人检测框裁剪出来，做成了一张张独立的图片，更关注外观特征匹配。所以，如果你要做的是视频序列中的连续追踪，请务必认准原始的DukeMTMC数据集。