摘要

近年来，人体检测取得了令人瞩目的进展。然而，在高度拥挤环境中检测人体的遮挡问题仍远未解决。更为不利的是，当前的人体检测基准测试中对人群场景的代表性仍然不足。在本文中，我们介绍了一个新的数据集，称为CrowdHuman，以更好地评估在人群场景中的检测器性能。CrowdHuman数据集规模庞大、注释丰富且具有高度多样性。训练和验证子集中共有约47万个（470K）人体实例，每张图像平均包含约22.6个人体，数据集中存在各种类型的遮挡情况。每个个体实例均标注了头部边界框、可见区域边界框和全身边界框。本文展示了最先进的检测框架在CrowdHuman数据集上的基线性能。CrowdHuman数据集的跨数据集泛化结果表明，在无需额外技巧的情况下，该数据集在Caltech-USA、CityPersons和Brainwash等先前的数据集上实现了最先进的性能。我们希望我们的数据集能够作为坚实的基线，并有助于推动未来在人体检测任务方面的研究。