最近的CVPR2018會議上，提出了一個新的更接近真實場景的大型數據集MSMT17，即Multi-Scene Multi-Time，涵蓋了多場景多時段。
早期數據集的缺點
（1）和實際的監控網絡相比，數據集中行人和攝像頭的數目不多；
（2）大多數數據集僅覆蓋單一場景；
（3）時間跨度短，沒有顯著的光照變化；
（4）行人檢測器有昂貴的人工標註或過時的DPM模型實現。
MSMT17數據集描述
數據集採用了安防在校園內的15個攝像頭網絡，其中包含12個戶外攝像頭和3個室內攝像頭。爲了採集原始監控視頻，在一個月裏選擇了具有不同天氣條件的4天。每天採集3個小時的視頻，涵蓋了早上、中午、下午三個時間段。因此，總共的原始視頻時長爲180小時。
基於Faster RCNN作爲行人檢測器，三位人工標註員用了兩個月時間查看檢測到的包圍框和標註行人標籤。最終，得到4101個行人的126441個包圍框。和其它數據集的對比以及統計信息如下圖所示。
MSMT17數據集的特點如下：
（1）數目更多的行人、包圍框、攝像頭數；
（2）複雜的場景和背景；
（3）涵蓋多時段，因此有複雜的光照變化；
（4）更好的行人檢測器（faster RCNN）
評估協議
按照訓練-測試爲1：3的比例對數據集進行隨機劃分，而不是像其他數據集一樣均等劃分。這樣做的目的是鼓勵高效率的訓練策略，由於在真實應用中標註數據的昂貴。
最後，訓練集包含1041個行人共32621個包圍框，而測試集包括3060個行人共93820個包圍框。對於測試集，11659個包圍框被隨機選出來作爲query，而其它82161個包圍框作爲gallery.
測試指標爲CMC曲線和mAP. 對於每個query, 可能存在多個正匹配。
參考
[1] 數據集地址（含下載鏈接） https://www.pkuvmc.com/publications/msmt17.html
[2] 論文 Person Transfer GAN to Bridge Domain Gap for Person Re-Identification