eTraM: Event-based Traffic Monitoring Dataset

事件相机以其高时序和动态范围以及最小的内存使用，在各个领域中都有应用。然而，它们在静态交通监测方面的潜力仍然未被充分挖掘。为了促进这一探索，我们提出了eTraM——一种全新的、完全基于事件的交通监测数据集。eTraM提供了来自不同交通场景、各种光照和天气条件下的10小时数据，提供了对实际情况的全面概述。它提供了2M个边界框注释，涵盖了八个不同的交通参与者类别，从车辆到行人和微型交通工具。我们使用了交通参与者检测的最先进方法，包括RVT、RED和YOLOv8，来评估eTraM的实用性。我们定量评估了事件模型在夜间和未见过场景中的泛化能力。我们的研究结果证实了利用事件相机进行交通监测的巨大潜力，为研究和应用开辟了新的途径。eTraM可在https://eventbasedvision.github.io/eTraM上获得。

探索事件相机在静态交通监控中的应用潜力，提供一个全新的事件相机交通监控数据集。

提供了一个全新的事件相机交通监控数据集eTraM，包含10小时不同交通场景下的数据，提供了2M个边界框注释，覆盖了8个不同的交通参与者类别，并使用RVT、RED和YOLOv8等最先进的方法进行了交通参与者检测。

eTraM数据集提供了全新的事件相机交通监控数据，可以用于交通参与者检测的研究和开发。论文对事件相机模型在夜间和未知场景下的泛化能力进行了定量评估，证明了事件相机在交通监控领域的潜力。

最近的相关研究包括使用事件相机进行物体检测和跟踪，以及使用传统相机进行交通监控等。