GRID行人重识别数据集下载 | QMUL地铁站8摄像头多视角 | 低分辨率行人Re-ID基准数据

GRID行人重识别数据集：多视角低分辨率场景下的行人再识别研究基准

GRID（QMUL underGround Re-IDentification Dataset）是由伦敦玛丽女王大学发布的经典行人重识别数据集，包含250组行人图像对，每组由8个非相邻摄像头在真实地铁站环境中采集的同一人双视角图像构成。该数据集以低空间分辨率、复杂光照变化及多样姿态著称，是评估行人再识别算法鲁棒性的重要基准资源。

数据集核心特征

全部图像拍摄于高人流量的地铁站场景，涵盖姿势变化、颜色差异、光线波动等真实挑战因素。低分辨率画质模拟实际监控系统的成像限制，为跨摄像头行人匹配、特征提取与相似度度量等研究提供高难度的测试环境。8个独立摄像头视角确保数据的多源异构特性，支撑多视角联合学习模型开发。

适用研究场景

该数据集广泛应用于行人重识别算法基准测试、深度度量学习模型训练、低分辨率图像增强与识别、跨视角特征对齐、视频监控智能分析等计算机视觉方向。作为Re-ID领域早期代表性数据集，GRID为后续Market-1501、DukeMTMC等大规模数据集的研究奠定了方法学基础。