数据集汇总链接https://github.com/NEU-Gou/awesome-reid-dataset。以下仅罗列较为常用的数据集，表格整合了基本信息，各数据集下对应链接是对数据集的详细介绍，部分内含state of the art。

图片数据集

Dataset	Identities	Cameras	Images	Label	Size	Shot	Full-frames availability
Market1501	1501	6	32217	Hand/DPM	128*64	multi
DukeMTMC-reID	1812	8	36441	Hand	Vary	multi	Yes
CUHK03	1467	10(5 pairs)	13164	Hand/DPM	Vary
MSMT17	4101	15	126441	F-RCNN	Vary

CUHK03

https://blog.csdn.net/ctwy291314/article/details/83544210

CUHK03是第一个大到足以进行深度学习的行人重识别数据集。它提供了从目标检测算法(DPM)中检测到的边界框和手动标记。该数据集的人员检测质量相对较好。

Market 1501

https://blog.csdn.net/ctwy291314/article/details/83544088

它包含大量身份，每个身份都有来自6个不相交摄像头的多个图像。该数据集还包括来自DPM的2793个错误警报，作为模仿真实场景的干扰者。边界框的质量比CUHK03差。后来在ICCV 2015发布版本中，集成了500K干扰图片，使这个数据集真正大规模。

DukeMTMC-reID

https://blog.csdn.net/ctwy291314/article/details/83544142

DukeMTMC数据集是一个大规模重标记的多目标多摄像机跟踪数据集。总共有超过2700人在8台摄像机中被标记为不同的身份。通过访问所有信息（全帧，帧级地面实况，校准信息等），该数据集具有大量的潜力。

MSMT17

http://www.pkuvmc.com/publications/msmt17.html

这个大规模的ReID数据集收集在一个校园内，有12个室外摄像机和3个室内摄像机。它涵盖了一个月内不同天气的4天。每天上午、中午、下午各选3个时长1小时的视频。利用Faster RCNN进行行人检测。到目前为止，此数据集是最大的行人重识别数据集。它与Market有类似的角度，但包含更复杂的情景。

视频数据集

Dataset	Identities	Cameras	Images	Label	Size	Shot	Full frames availability
MARS	1261	6	1191003	DPM+GMMCP	256X128	multi
iLIDS-VID	300	2	42495	Hand	Vary	multi
PRID2011	934	2	24541	Hand	128*64	multi	Yes
DukeMTMC-VideoReID	1812						此数据集信息未整合

iLIDS-VID

http://www.eecs.qmul.ac.uk/~xiatian/downloads_qmul_iLIDS-VID_ReID_dataset.html

基于真实行人重识别系统每个身份都应该具有轨迹的假设，iLIDS- VID数据集从iLIDS MCTS数据集中提取了300个身份的600个视频。取自监控航空接站大厅，从2个不相交摄像机创建该数据集，包含基于静态图像（ILIDS-VID \ images）和基于图像序列（ILIDS-VID \ sequences）。由于iLIDS MCTS数据集的局限性，iLIDS-VID遮挡非常严重。

PRID2011

https://www.tugraz.at/institute/icg/research/team-bischof/lrs/downloads/prid11/

PRID数据集具有来自摄像机A的385条视频和来自摄像机B的749条视频，其中只有200人同时出现在两台摄像机中。这个数据集还有一个单镜头版本，由随机选择的快照组成。一些轨迹没有很好地同步，这意味着人可能在连续的帧之间“跳跃”。

MARS

https://blog.csdn.net/qq_34132310/article/details/83869605

MARS（运动分析和重新识别集）数据集是Market1501数据集的扩展版本。这是第一个基于大规模视频的行人重识别数据集。由于所有边界框和轨迹都是自动生成的，因此它包含干扰项，每个标识可能包含多个轨迹。

DuckMTMC-VideoReID

https://github.com/Yu-Wu/DukeMTMC-VideoReID

DukeMTMC-VideoReID是DukeMTMC跟踪数据集的子集，用于基于视频的行人重识别。该数据集包括702个用于训练的身份，702个用于测试的身份，以及408个身份作为干扰者。总共有2196个视频用于训练，2636个视频用于测试。每个视频包含每12帧采样的人物图像。在测试期间，每个ID的视频用作查询，其余视频放在gallery中。

行人重识别常用数据集相关推荐

行人重识别通用数据集及介绍
行人重识别(person re-identification, Re-ID)作为一个特定的跨不重叠摄像头的检索问题,已经有了许多的研究,可广泛应用于智能视频监控,智能安保等领域. 给定想要查询的人(q ...
行人重识别(ReID) ——数据集描述 DukeMTMC-reID
数据集简介 DukeMTMC 数据集是一个大规模标记的多目标多摄像机行人跟踪数据集.它提供了一个由 8 个同步摄像机记录的新型大型高清视频数据集,具有 7,000 多个单摄像机轨迹和超过 2,700 ...
行人重识别(ReID) ——数据集描述 CUHK03
数据集简介 CUHK03是第一个足以进行深度学习的大规模行人重识别数据集,该数据集的图像采集于香港中文大学(CUHK)校园.数据以"cuhk-03.mat"的 MAT 文件格式存储 ...
行人重识别 MSMT17数据集描述
最近的CVPR2018会议上,提出了一个新的更接近真实场景的大型数据集MSMT17,即Multi-Scene Multi-Time,涵盖了多场景多时段. 早期数据集的缺点 (1)和实际的监控网络相比, ...
行人重识别数据集之 DukeMTMC-reID 数据集
DukeMTMC-reID 数据集 DukeMTMC-reID 数据集简介 DukeMTMC-reID 数据集结构 DukeMTMC-reID 数据集命名规则参考文献 DukeMTMC-reID 数 ...
行人重识别(3)——行人重识别（基于图像）综述
!转载请注明原文地址!--东方旅行者更多行人重识别文章移步我的专栏:行人重识别专栏本文目录基于图像的行人重识别一.表征学习方法 1.浅层视觉特征 2.中层视觉特征(语义属性) 3.深层视觉特征 ...
行人重识别-度量学习
行人重识别-度量学习前言和前面介绍到的表征学习一样,度量学习也是基于全局特征学习的一种方法,且被广泛用于图像检索领域.不同于表征学习通过分类或者验证的方式,度量学习目的在于通过网络学习两张图片的相 ...
中山大学提出新型行人重识别方法和史上最大最新评测基准
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货导读:行人重识别,是利用 CV 技术判断图像或视频序列中是否存在特定行人的技术.常规的行人重识 ...
摄像机域内监督行人重识别问题
本文是对『Intra-Camera Supervised Person Re-Identification』一文的详细解读,IJCV接收论文. 作者信息: 论文链接:https://arxiv.org ...

行人重识别常用数据集