Collective Activity 是一个集体活动的短视频数据集，它包含 5 种不同的集体活动，分别为交叉、步行、等待、交谈、排队以及 44 个短视频序列，其中一些是由消费者手持数码相机记录的。 该数据集于 2009 年由密歇根大学安娜堡分校电气工程系发布。 主要发布人：Wongun Choi, Khuram Shahid, Silvio Savarese 相关论文：《Collective Activity Classification Using Spatio-Temporal Relationship Among People》

PyTorch中高效的视频数据集加载和增强 作者： 如果您发现该代码很有用，请给存储库加注星标。 如果您完全不熟悉使用torch.utils.data.Dataset和torch.utils.data.DataLoader在PyTorch中加载数据集，建议您首先通过或来熟悉它们。 概述：本示例演示VideoFrameDataset的用法 VideoFrameDataset类（ torch.utils.data.Dataset的实现）用于easily ， efficiently effectively从PyTorch的视频数据集中加载视频样本。 之所以容易，是因为该数据集类可以与自定义数据集一起使用，而无需花费任何努力，也无需修改。 该类仅希望视频数据集在磁盘上具有某种结构，并希望使用.txt注释文件枚举每个视频样本。 可以在下面以及https://video-dataset-loa

动作识别常用的小型数据集，包含21个动作的视频集，Joint-annotated Human Motion Data Base-A fully annotated data set for human actions and human poses

火焰数据集——视频逐帧数据集600M

Camvid Dataset 是一个，其包含 700 张像素级别的语义分割和图像分割，为了保证数据的准确性，每张图像均通过多次检查和确认以确保数据的准确性。该数据集解决了对实验数据的需求，并以定量评估新兴 算法 ，其中驾驶场景增加了观察对象的数量和异质性，其提供超过十分钟的高质量 30Hz 镜头且相应的语义标记图像为 1Hz，部分为 15Hz

多个场景下的烟雾数据集合，包含远景，室内，香烟，车辆事故等等。这个数据集是在火灾检测研究中遇到的数据集，可供火灾检测研究使用。

视觉跟踪技术作为计算机视觉领域的热门课题之一，是对连续的图像序列进行运动目标检测、提取特征、分类识别、跟踪滤波、行为识别，以获得目标准确的运动信息参数（如位置、速度等），并对其进行相应的处理分析，实现对目标的行为理解。 视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。

视觉是人类认知世界的重要途径之一，人类获取外部信息的80%来自视觉系统。计算视觉就是在了解人类视觉基础上，用成像系统代替人类视觉器官，用计算级代替人脑完成对输入图像的处理与理解。同时，随着信息技术与智能科学的发展，计算机视觉是人工智能领域热门学科之一和物联网感知层重要技术之一。

资源给出程序的训练集、测试集以及matlab程序，给出说明文档和程序运行视频。