IndoorCrowd：基于自动化标注流程的多场景人体检测、分割与追踪数据集

IndoorCrowd: A Multi-Scene Dataset for Human Detection, Segmentation, and Tracking with an Automated Annotation Pipeline

理解拥挤室内环境中的人类行为对于监控、智能建筑和人机交互至关重要，但现有数据集很少能大规模捕捉真实世界的室内复杂性。我们推出了IndoorCrowd——一个用于室内人体检测、实例分割和多目标跟踪的多场景数据集，采集自四个校园区域（ACS-EC、ACS-EG、IE-Central、R-Central）。该数据集包含31段视频（9,913帧，5fps帧率），并提供人工核验的实例级分割掩码。通过620帧的对照子集，我们使用科恩κ系数、平均精度、精确率、召回率和掩码交并比指标，以人工标注为基准评估了三种基础模型自动标注工具（SAM3、GroundingSAM和EfficientGroundingSAM）的性能。另包含2,552帧子集以MOTChallenge格式提供连续身份轨迹，支持多目标跟踪研究。我们采用YOLOv8n、YOLOv26n、RT-DETR-L结合ByteTrack、BoT-SORT和OC-SORT构建了检测、分割与跟踪基线。场景分析表明：人群密度、目标尺度和遮挡程度导致不同场景难度差异显著——其中ACS-EC场景的密集帧占比达79.3%，平均实例尺度仅60.8像素，成为最具挑战性的场景。项目页面详见https://sheepseb.github.io/IndoorCrowd/。