人体姿态估计数据集

LSP
地址：http://sam.johnson.io/research/lsp.html
样本数：2k
关节点数：14
全身，单人
FLIC
地址：https://bensapp.github.io/flic-dataset.html
样本数：2W
关节点个数：9
全身，单人
MPII
地址：http://human-pose.mpi-inf.mpg.de/
样本数：25K
关节点个数：16
全身，单人/多人，40K people，410 human activities
MSCOCO
地址：http://cocodataset.org/#download
样本数：>= 30W
关节点个数：18
全身，多人，keypoints on 10W people
AI Challenge
地址：https://challenger.ai/competition/keypoint/subject
样本数：21W Training, 3W Validation, 3W Testing
关节点个数：14
全身，多人，38W people
PoseTrack
地址：https://www.posetrack.net/users/download.php

数据集	类型	关节点数	样本数/10^3	使用情况
LSP	单人	14	2	基本弃用
FLIC	单人	9	20	基本弃用
MPII	单人、多人	16	25	主流
MSCOCO	多人	17	>300	主流
AI Challenge	多人	14	约=380	竞赛专用
PoseTrack	多人	15	>20帧	多用于姿态追踪

Human3.6M
地址：http://vision.imar.ro/human3.6m/description.php
样本数：360W 1，5，6，7，8 train； 9，11 test
3D，11 people
HumanEva
地址：http://humaneva.is.tue.mpg.de/
Total Capture / CMU
地址：https://github.com/CMU-Perceptual-Computing-Lab/panoptic-toolbox
http://domedb.perception.cs.cmu.edu/dataset.html
JTA Dataset
地址：http://aimagelab.ing.unimore.it/jta
https://github.com/fabbrimatteo/JTA-Dataset
MPI-INF-3DHP
地址：http://gvv.mpi-inf.mpg.de/3dhp-dataset/
论文：Monocular 3D Human Pose Estimation In The Wild Using Improved CNN Supervision
SURREAL
地址：https://www.di.ens.fr/willow/research/surreal/data/
3DPW
地址：
UP-3D
地址：http://files.is.tuebingen.mpg.de/classner/up/

DensePose COCO
地址：https://github.com/facebookresearch/DensePose
https://www.aiuai.cn/aifarm278.html
http://densepose.org/#dataset

数据集	采集场景	采集人数	样本数/10^4帧	采集人数
Human3.6M	室内	11	360	运动捕捉
HumanEva	室内	4	约=8	运动捕捉
Total Capture	室内	5	190	运动捕捉
JTA Dataset	虚拟场景	>20	50	人工注释
MPI-INF-3DHP	合成场景	8	>130	运动捕捉、图像合成
SURREAL	合成场景	145	650	运动捕捉、图像合成
3DPW	室外	5	>5	运动捕捉
UP-3D	图像采集	图像采集	约=0.7(10^4幅)	人工注释
DensePose COCO	图像采集	图像采集	5(10^4幅)	人工注释

PS：在数据处理阶段，3D比2D复杂很多。2D人体姿态识别在dataset和model方面都比3D成熟，2Dmodel也有很多户外，自然界的dataset，但是3D的dataset几乎都是indoor的。因为3D标注、识别的复杂，所以需要大量的传感器，摄像头去采集数据。

姿态估计等数据集收集整理：检测与姿态估计的评价标准、开源数据集、COCO和MPII的认识、COCO数据集的标注格式

参考链接：
【人体姿态估计】资料整理
人体姿态估计综述
人体姿态估计数据集整理
3D人体姿态识别数据集
人体姿态估计（人体关键点检测）分类与经典方法分析
获取Human 3.6M 3D人体姿态数据集
基于深度学习的人体姿态估计方法综述-邓益侬；罗健欣；金凤林