摘要

随着人工智能技术的发展，道路目标检测已成为计算机视觉领域的研究热点，传统方法主要依赖于透视相机。鱼眼镜头能够以更少的摄像头实现道路交叉口的全景广域覆盖，但其视场存在显著的图像畸变。据我们所知，目前尚无公开可用的、专为鱼眼摄像头交通监控任务构建的数据集。本文提出一个开放的 FishEye8K 基准数据集，用于道路目标检测任务，包含五个类别（行人、自行车、小汽车、公交车和卡车）共计15.7万个边界框标注。此外，本文还提供了多种前沿检测模型的基准测试结果，涵盖 YOLOv5、YOLOR、YOLOv7 和 YOLOv8 等系列模型的多种变体。该数据集由台湾新竹地区使用18个鱼眼摄像头采集的22段视频组成，共包含8,000张图像，图像分辨率为1080×1080和1280×1280。由于鱼眼图像具有超广角全景与半球形视场，畸变严重，且道路上参与者众多，尤其是骑乘电动自行车的人群，因此数据标注与验证过程极为复杂且耗时。为避免数据偏差，来自同一摄像头的帧被统一划分至训练集或测试集，确保每个类别在图像数量与边界框数量上均保持约70:30的训练与测试比例。实验结果表明，在输入尺寸为640×640时，YOLOv8表现更优；而在1280×1280输入尺寸下，YOLOR展现出更强的检测性能。该数据集将通过 GitHub 公开发布，并提供 PASCAL VOC、MS COCO 以及 YOLO 三种主流标注格式。FishEye8K 基准数据集的发布，将为鱼眼视频分析与智慧城市应用等领域提供重要支持，推动相关技术的发展与落地。