1. 简介
WiderPerson数据集是比较拥挤场景的行人检测基准数据集，其图像是从多种场景中选择的，不再局限于交通场景。 选择13382张图像，并用各种遮挡标记约40万个注释。 我们随机选择8000/1000/4382图像作为训练，验证和测试集。 与CityPersons和WIDER FACE数据集相似，不发布测试图像的标注文件。
可以在官网上进行下载：http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson/
2. 标注详解
随便打开一个标注文件如下所示：
1. 第一行代表了标注框的数目，从第二行开始才是真正的标注框
2. 从第二行开始，第一列代表了这个标注框的类别，后面分别是xmin ymin xmax ymax也就是左上角右下角坐标
[class_label, xmin, ymin, xmax, ymax]
写了个可视化程序进行查看：
import os
import cv2
if __name__ == '__main__':
path = '../WiderPerson/trainval.txt'
with open(path, 'r') as f:
img_ids = [x for x in f.read().splitlines()]
for img_id in img_ids: # '000040'
img_path = '../WiderPerson/images/' + img_id + '.jpg'
img = cv2.imread(img_path)
im_h = img.shape[0]
im_w = img.shape[1]
label_path = img_path.replace('images', 'Annotations') + '.txt'
with open(label_path) as file:
line = file.readline()
count = int(line.split('\n')[0]) # 里面行人个数
line = file.readline()
while line:
cls = int(line.split(' ')[0])
# < class_label =1: pedestrians > 行人
# < class_label =2: riders > 骑车的
# < class_label =3: partially-visible persons > 遮挡的部分行人
# < class_label =4: ignore regions > 一些假人，比如图画上的人
# < class_label =5: crowd > 拥挤人群，直接大框覆盖了
if cls == 1 or cls == 2 or cls == 3:
xmin = float(line.split(' ')[1])
ymin = float(line.split(' ')[2])
xmax = float(line.split(' ')[3])
ymax = float(line.split(' ')[4].split('\n')[0])
img = cv2.rectangle(img, (int(xmin), int(ymin)), (int(xmax), int(ymax)), (0, 255, 0), 2)
line = file.readline()
cv2.imshow('result', img)
cv2.waitKey(0)可以看到都是一些比较拥挤场景的行人图片，不过跟实际比较贴切一些，不像其他一些数据集都是在国外开奔驰的场景，感觉对自己的实际场景应该会有帮助：
需要注意000040.jpg.txt貌似有问题，自己删掉就好了
3. 类别解析
官网是这么说的，但是自己还是有点不理解，就自己绘制看看了
...
< class_label =1: pedestrians >
< class_label =2: riders >
< class_label =3: partially-visible persons >
< class_label =4: ignore regions >
< class_label =5: crowd >
...
类别 1：pedestrians 行人
根据自己的可视化代码，cls == 1的时候绘制出来。可以看到都是比较完整的行人图片，这个比较好理解
类别 2：riders 骑车的人
这个很好理解
类别 3：partially-visible persons 被挡住了一部分的人
这个也比较好理解，就是遮挡嘛，不过有些时候遮挡严重都快看不出来是个人了。。
类别 4：ignore regions
这个是重点了，一开始有点懵，不知道啥意思，绘制出来如下（这是“假人”，自己实际应用并不需要这样的假人，不过VOC COCO数据集都标注为person了）：
类别 5：crowd
拥挤人群直接大框笼罩了，COCO 数据集很多也这样而且还标成person了
4 数据集转换
转成VOC格式
import os
import numpy as np
import scipy.io as sio
import shutil
from lxml.etree import Element, SubElement, tostring
from xml.dom.minidom import parseString
import cv2
def make_voc_dir():
# labels 目录若不存在，创建labels目录。若存在，则清空目录
if not os.path.exists('../VOC2007/Annotations'):
os.makedirs('../VOC2007/Annotations')
if not os.path.exists('../VOC2007/ImageSets'):
os.makedirs('../VOC2007/ImageSets')
os.makedirs('../VOC2007/ImageSets/Main')
if not os.path.exists('../VOC2007/JPEGImages'):
os.makedirs('../VOC2007/JPEGImages')
if __name__ == '__main__':
classes = {'1': 'pedestrians',
'2': 'riders',
'3': 'partially',
'4': 'ignore',
'5': 'crowd'}
VOCRoot = '../VOC2007'
widerDir = '../WiderPerson' # 数据集所在的路径
wider_path = '../WiderPerson/trainval.txt'
make_voc_dir()
with open(wider_path, 'r') as f:
imgIds = [x for x in f.read().splitlines()]
for imgId in imgIds:
objCount = 0 # 一个标志位，用来判断该img是否包含我们需要的标注
filename = imgId + '.jpg'
img_path = '../WiderPerson/images/' + filename
print('Img :%s' % img_path)
img = cv2.imread(img_path)
width = img.shape[1] # 获取图片尺寸
height = img.shape[0] # 获取图片尺寸 360
node_root = Element('annotation')
node_folder = SubElement(node_root, 'folder')
node_folder.text = 'JPEGImages'
node_filename = SubElement(node_root, 'filename')
node_filename.text = 'VOC2007/JPEGImages/%s' % filename
node_size = SubElement(node_root, 'size')
node_width = SubElement(node_size, 'width')
node_width.text = '%s' % width
node_height = SubElement(node_size, 'height')
node_height.text = '%s' % height
node_depth = SubElement(node_size, 'depth')
node_depth.text = '3'
label_path = img_path.replace('images', 'Annotations') + '.txt'
with open(label_path) as file:
line = file.readline()
count = int(line.split('\n')[0]) # 里面行人个数
line = file.readline()
while line:
cls_id = line.split(' ')[0]
xmin = int(line.split(' ')[1]) + 1
ymin = int(line.split(' ')[2]) + 1
xmax = int(line.split(' ')[3]) + 1
ymax = int(line.split(' ')[4].split('\n')[0]) + 1
line = file.readline()
cls_name = classes[cls_id]
obj_width = xmax - xmin
obj_height = ymax - ymin
difficult = 0
if obj_height <= 6 or obj_width <= 6:
difficult = 1
node_object = SubElement(node_root, 'object')
node_name = SubElement(node_object, 'name')
node_name.text = cls_name
node_difficult = SubElement(node_object, 'difficult')
node_difficult.text = '%s' % difficult
node_bndbox = SubElement(node_object, 'bndbox')
node_xmin = SubElement(node_bndbox, 'xmin')
node_xmin.text = '%s' % xmin
node_ymin = SubElement(node_bndbox, 'ymin')
node_ymin.text = '%s' % ymin
node_xmax = SubElement(node_bndbox, 'xmax')
node_xmax.text = '%s' % xmax
node_ymax = SubElement(node_bndbox, 'ymax')
node_ymax.text = '%s' % ymax
node_name = SubElement(node_object, 'pose')
node_name.text = 'Unspecified'
node_name = SubElement(node_object, 'truncated')
node_name.text = '0'
image_path = VOCRoot + '/JPEGImages/' + filename
xml = tostring(node_root, pretty_print=True) # 'annotation'
dom = parseString(xml)
xml_name = filename.replace('.jpg', '.xml')
xml_path = VOCRoot + '/Annotations/' + xml_name
with open(xml_path, 'wb') as f:
f.write(xml)
# widerDir = '../WiderPerson' # 数据集所在的路径
shutil.copy(img_path, '../VOC2007/JPEGImages/' + filename)
转成YOLO格式
5. 数据集清洗
这么大数据集而且又是密集场景，难免错标漏标，而且类别为crowd拥挤场景和ignore‘假人’对于自己实际用也是不需要的
