okutama-action.org

是什么

Okutama-Action 是一个面向空中视角并发人体动作检测的公开视频数据集，由日本国立信息学研究所 Prendinger Lab 支持创建。它包含 43 段约一分钟的全标注视频序列，覆盖 12 类动作，重点模拟无人机航拍场景中的多人、多动作、动态变化问题。

核心能力与数据特点

从功能上看，它可用于行人检测、时空动作检测，并提到多人体跟踪任务仍在开发中。数据集的挑战性较强：视频中最多 9 名演员会连续执行多种动作，最多出现 10 个并发动作/演员；同时包含动作动态转换、多标签演员、尺度和长宽比显著变化、突发相机运动等真实问题。数据提供 1280x720 帧与 4K 视频版本，标注字段包括 Track ID、边界框、帧号、丢失、遮挡、插值、Person 标签以及动作列。页面还提供 MultiActionLabels、SingleActionLabels 和 SingleActionTrackingLabels 三类标签文件，便于不同任务使用。

技术栈、授权与定价

该项目提供最终训练的 Caffe 模型，但没有说明支持 PyTorch、TensorFlow 或其他现代框架，也未提供 API/SDK。授权采用 Creative Commons Attribution-NonCommercial-ShareAlike 3.0，非商业研究可免费使用；若要商业使用，需要联系作者进一步沟通。因此它更像研究数据资产，而不是完整开发者平台或商业 SaaS 工具。

优缺点

优点是数据场景独特，针对无人机空中视角，标注结构清晰，分辨率高，并且包含现实中的遮挡、视角变化和并发动作问题，适合做算法鲁棒性评测。缺点也明显：页面最后更新为 2018 年，维护活跃度不明；模型基于 Caffe，生态偏旧；缺少数据加载脚本、示例训练代码、API 与现代框架集成说明。

适合谁与中国访问

它适合计算机视觉研究者、无人机视觉团队、动作检测和多目标跟踪算法开发者，尤其适合学术论文复现和基准测试。下载链接曾托管在 AWS 和 Dropbox，中国大陆访问可能不稳定，属于部分受限；大文件下载建议准备可靠网络环境。可替代或补充的数据集包括 AVA、Kinetics、UCF101、VisDrone 和 MOTChallenge。