N. Schneider和DM Gavrila。递归贝叶斯滤波器的行人路径预测：比较研究。在《计算机科学讲座笔记》中。德国模式识别会议（GCPR）的第一卷。8142，施普林格，2013。
数据集包含从固定和移动的车辆收集的68个行人序列的集合。考虑了四种不同的行人运动类型：过马路，停车，开始行走和弯腰。行人没有被遮挡。
原始立体声对（8位PGM，1176x640） 校准数据 地面实况（GT）注释， 行人探测器的测量和 车辆数据（速度，横摆率） 事件标签和事件发生时间标签（以帧为单位的TTE）。特别是，我们以（u，d）形式提供航迹数据（GT注释，探测器测量值），其中u是横向图像坐标，而d是视差。在静态接地平面假设的情况下，这允许计算也提供的接地平面（X，Z）上的行人位置。
使用基于HOG / linSVM的检测器计算行人边界框（即，测量的横向图像位置）。通过（H.Hirschmueller，通过半全局匹配和互信息的立体声处理，IEEE PAMI，30（2）：328-341，2008）计算视差d。立体图像的可用性允许使用不同的行人检测器和/或立体算法进行实验。
这些序列总共有19612个立体图像对。12485张图像包含手动标记的行人边界框，9366张图像包含行人检测器测量值。在我们的论文中，我们仅在5-50的距离范围内进行评估，并且需要“有效”的视差测量。这种选择会产生9152个地面真实情况和7937个测量对象。
有关更多信息，请参见我们上面的GCPR'13出版物或阅读文档。
