什么是ETH/UCY 行人轨迹数据集

ETH/UCY 行人轨迹数据集概览

1. 数据集简介

ETH/UCY 是行人轨迹预测领域最常用的基准数据集之一，由 ETH Zurich（瑞士）和 University of Cyprus（塞浦路斯）分别提供的两套监控视频经处理后合并而成。数据来源于固定俯视摄像头，记录了真实场景下行人的运动轨迹，广泛用于社交行为建模、碰撞规避、群体运动等研究。

2. 场景与规模

整体上，五个子场景共计约 1 536 名行人，轨迹总长度超过 1 500 条，覆盖直线、曲线、群体聚散等多种运动模式。

3. 数据采集与标注

• 采集方式：固定俯视摄像头（约 2.5 Hz 采样率），每帧间隔 0.4 s。
• 标注内容：每帧记录行人的世界坐标（米制），并给出唯一的行人 ID。
• 坐标系：已转换为统一的世界坐标系，便于跨场景比较。

4. 数据格式与使用

• 文件结构：每个子场景提供若干 .txt 文件，常见列顺序为
  frame_id pedestrian_id x y（单位：米）。
• 常用预处理：
  • 线性插值至每 0.4 s 采样点；
  • 归一化至原点或统一尺度；
  • 按 leave‑one‑out 交叉验证协议：四个子场景用于训练，剩余一个用于测试。
• 典型任务：
  • 短期轨迹预测（8 步历史 → 12 步未来）
  • 社交交互建模（碰撞规避、跟随行为）

5. 下载与获取方式

上述链接均为公开可访问的原始数据或社区维护的镜像。

6. 常用评估协议

1. Leave‑One‑Out：每次选取 5 个子场景中的 4 个作为训练集，剩余 1 个作为测试集。
2. 评价指标：
   • ADE（Average Displacement Error）
   • FDE（Final Displacement Error）
   • 其他如 Collision Rate、Social Compliance 等。

该协议已被多数论文采用，确保不同场景间的公平比较。

7. 参考文献与进一步阅读

• Pellegrini et al., “Improving People Tracking in Crowded Scenes Using Social Force Model”, 2009.
• Alahi et al., “Social LSTM: Human Trajectory Prediction in Crowded Spaces”, CVPR 2016.
• 近期综述：《行人轨迹预测：现状、算法、数据集及未来方向》（2025）对 ETH/UCY 的使用情况作了系统梳理。

通过上述信息，你可以快速了解 ETH/UCY 数据集的构成、获取方式以及在行人轨迹预测研究中的典型使用方法。祝你的实验顺利！