Conjunto de dados para análise de vídeo de tráfego a partir de múltiplas perspectivas

Por que muitos olhos na rua importam

Quem já tentou atravessar uma rua movimentada sabe que carros, bicicletas e pedestres se movem de maneiras que podem ser difíceis de prever. As cidades estão recorrendo a câmeras e inteligência artificial para manter esses espaços seguros, mas a maioria dos sistemas ainda observa a via a partir de um único ângulo. Este artigo apresenta um novo conjunto público de vídeos que registra a mesma faixa de pedestres a partir de três pontos de vista simultâneos, fornecendo aos pesquisadores o material bruto e rico necessário para construir sistemas de tráfego mais seguros e inteligentes.

Uma faixa de pedestres, três formas de ver

O conjunto de dados foca em uma cena cotidiana: uma faixa de pedestres no campus da Universidade de Múrcia, na Espanha. Em vez de depender de uma única câmera, os autores registraram cada evento com três dispositivos operando ao mesmo tempo: uma câmera montada em um carro em movimento se aproximando da faixa, uma câmera fixa em um poste à beira da rua em posição elevada e uma câmera em um pequeno drone pairando acima. Juntas, essas vistas capturam as mesmas pessoas e veículos ao nível do solo, de lado e do céu, espelhando de perto como observadores diferentes poderiam ver o mesmo momento na vida real.

Registrando tanto travessias rotineiras quanto incidentes raros

Para tornar os dados úteis tanto para monitoramento cotidiano quanto para situações de emergência, a equipe encenou dois tipos de eventos. Em algumas gravações, os pedestres simplesmente atravessam enquanto o carro para e espera, refletindo o comportamento normal do trânsito. Em outras, um ator simula uma queda enquanto está na faixa, seguindo padrões de movimento projetados para se assemelhar a um acidente real. O carro segue sempre a mesma rota, e os pedestres repetem os mesmos movimentos básicos, então os pesquisadores podem comparar como cada cenário aparece nas diferentes câmeras e estudar como eventos incomuns se destacam dos rotineiros.

Do material bruto ao combustível poderoso para pesquisa

Uma característica-chave do conjunto de dados é que os arquivos de vídeo são mantidos brutos e sem edição. O único processamento é a adição de carimbos de tempo precisos, além de um sinal visual simples: no início de cada travessia, um pedestre ergue brevemente a mão. Isso facilita alinhar quadros das três câmeras para que o mesmo instante possa ser estudado a partir de cada ângulo. Os 18 arquivos de vídeo cobrem três configurações de câmera e duas condições de travessia (com e sem queda) em três arranjos espaciais diferentes do carro, da unidade à beira da rua e do drone. Os pesquisadores também recebem imagens extras que descrevem as propriedades ópticas exatas da lente da câmera fixa, ajudando-os a corrigir a distorção quando necessário.

Testando o quanto as máquinas entendem a cena

Para verificar se o conjunto de dados é realmente útil, os autores executaram testes padrão de detecção de objetos, comparando suas gravações com coleções conhecidas de vídeos de tráfego como KITTI, VisDrone e UA-DETRAC. Eles usaram modelos modernos de detecção para localizar pessoas nos vídeos e mediram quão precisamente as formas previstas se alinhavam com os contornos verificados por humanos. Em média, o novo conjunto de dados produziu pontuações maiores tanto na precisão das detecções quanto no alinhamento das formas delimitadoras. Ao examinar com que frequência cada pessoa era visível em uma, duas ou nas três vistas, a equipe também mostrou que a cobertura sobreposta das diferentes câmeras reduz muito os pontos cegos quando pessoas estão ocultas atrás de carros ou mobiliário urbano.

O que isso significa para as ruas do futuro

Para não especialistas, a mensagem principal é que este conjunto de dados oferece uma imagem muito mais completa do que acontece em uma faixa de pedestres do que coleções anteriores. Ao combinar vistas do carro, da beira da rua e aéreas de forma sincronizada, ele fornece a engenheiros e cientistas um campo de testes realista para construir sistemas de tráfego que possam rastrear pessoas com mais confiabilidade, detectar acidentes rapidamente e lidar com complicações do mundo real como obstáculos e mudanças de ponto de vista. A longo prazo, recursos como este podem ajudar a viabilizar travessias mais seguras, semáforos mais responsivos e serviços urbanos inteligentes que protejam melhor todos os que utilizam a via.

Citação: Sanchez-Iborra, R., Kouvakis, V., Trevlakis, S.E. et al. Dataset for multi-perspective traffic video analysis. Sci Data 13, 543 (2026). https://doi.org/10.1038/s41597-026-06907-y

Palavras-chave: vigilância de trânsito, vídeo multivisão, segurança de pedestres, cidades inteligentes, conjunto de dados de visão computacional