数据集包含行人和非行人图像的集合。为了进行基准测试，可以在本站点上下载该文件，以推进行人分类的研究。

数据集包括两部分：

• 一个基础数据集。基本数据集包含总共4000个行人样本和5000个非行人样本，这些样本是从视频图像中切出的，并按比例缩放为18x36像素的常规大小。该数据集已在上面引用的论文的VII-A节中使用。 
  
  行人图像是通过手动标记和提取视频图像中行人的矩形位置而获得的。在不同的（一天）时间和地点记录了视频图像，对行人的姿势或衣服没有特别的限制，除了行人直立站立并且完全可见。作为非行人图像，这些模式表示行人分类应用程序中典型的预处理步骤，这些模式来自已知不包含任何行人的视频图像。我们选择使用基于形状的行人检测器，该检测器将一组给定的行人形状模板与距离变换后的边缘图像进行匹配（即相对宽松的匹配阈值）。
   

• 其他非行人图片。不包含任何行人的1200个视频图像的附加集合，用于提取其他负面训练示例。上面引用的论文的第V节介绍了有关如何从这些图像中增加训练样本大小的两种方法，第VII-B节列出了实验结果。

有关基准数据集的更多详细信息，请参见相关的自述文件。

戴姆勒步行者分类基准被引用了50多次（来源：Web of Science）。实际上在以下出版物中使用了它：

• F.德拉托雷和O.维尼亚尔斯。“学习用于图像分类的内核扩展”。CVPR 2007。

• P. Dollar，Z。Thu，H。Tao和S. Belongie。“图像分类的特征挖掘”。CVPR 2007。

• L. Nanni和A. Lumini。“多个行人代表的集合”。IEEE Trans。关于智能交通系统。第9卷，第2卷，第365-369页。2008年

• S. Maji，A。Berg和J. Malik。“使用交集核支持向量机进行分类是有效的”。CVPR 2008。

• O. Tuzel，F。Porikli和P. Meer。“通过对黎曼流形进行分类来检测行人。” IEEE Trans模式分析机器智能，第1卷。30，no 10，pp.1713-1727，2008年10月。

• D. Anguita，S。Pischiutta和S. Ridella。“具有整数参数的支持向量机”。神经计算，第一卷。72，编号：1-3，2008年。

• S. Maji和A. Berg。“用于检测的最大余量可分类器”。ICCV'2009。

• H. Jung和J. Kim。“用公共开放数据库构建行人识别系统，而无需重新培训：一项实验研究”。模式分析应用。DOI 10.1007 / s10044-009-0153-2。

• L. Oliveira，U。Nunes和P. Peixoto。“在行人检测中探索分类器集成协同”。IEEE Trans。《智能交通系统》，第11卷，第1期，第16-27页，2010年。

如果您要在此处添加纸张，请与我联系。请注意，只有与原始论文相同的测试方法（例如，训练-测试拆分）才能进行真正的比较。