本页介绍了戴姆勒行人检测基准数据集，M.Enzweiler，A.Eigenstetter，B.Schiele和DM Gavrila，带有部分遮挡处理的多线索行人分类。

我们的培训和测试样本包括手动标记的行人和非行人边界框，这些框是从城市环境中的车载校准立体摄像机台上捕获的图像。对于每个手动标记的行人，我们通过几何抖动创建了其他样本。非行人样品是形状检测预处理步骤的结果，该步骤具有宽松的阈值设置，即包含对更困难图案的偏向。

使用半全局匹配算法（H. Hirschmueller，通过半全局匹配和互信息进行立体声处理，IEEE PAMI，30（2）：328-341，2008）来计算密集的立体声。 -和运动自适应正则化流（A. Wedel等人，《结构和运动自适应正则化用于高精度光流》，ICCV，2009年）。

训练和测试样本的分辨率为48 x 96像素，行人周围有12像素边框。请注意，本文中的实验（见上文）是在36 x 84像素的图像上完成的，该图像的边框为6像素，即所提供数据集的作物，其三部分布局分别对应于头部，躯干，腿部。对于数据集的发布，我们选择为图像提供更大的边框，并且没有预先定义的组件布局，以允许在组件选择方面具有更高的灵活性。