SkyEV：RGB-事件无人机检测跟踪数据集与基线

如何在足够远的距离上可靠发现小型无人机，是反无人机视觉系统最实际的一道坎。材料开篇给出的判断很直接：无人机因体积小，往往难以在足够远的距离上被探测到。这件事值得现在关注，是因为机场等敏感设施周边的安全事件在增加，2014 至 2025 年间仅机场无人机探测方向就发表了 550 多项研究；与此同时，公开数据集却常常脱离真实的反无人机场景。换句话说，算法在纸面上进步很快，但用来训练和比较算法的数据并没有跟上真实工况。

SkyEV 正是针对这个缺口提出的开源数据集。它由 2 台同步事件相机和 1 台 RGB 相机构成，两台相机分别以 30 和 60 FPS 运行，记录 8 种不同机型的飞行，目标在画面中的平均像素尺寸为 83×49 像素，总序列长度 2.17 小时，覆盖复杂环境与多变光照。数据形态是高同步、未压缩的 RGB 与事件数据，作者还提供了统一的数据加载器，并基于多模态架构建立了实验基线。这意味着它不仅是一批视频，还附带了一套可复现的比较入口。

要理解这套数据的设计动机，需要先看两类传感器的取舍。事件相机的优势被材料归纳为三点：超过 120 dB 的动态范围、等效 10 000 fps 的时间分辨率，以及本身稀疏的数据流可以显著加快处理速度。但它的短板同样明确：依赖场景亮度变化，因此慢速目标不易被捕捉；空间分辨率相对较低，例如最高 1280×800。传统帧相机的问题则在另一侧，固定快门时间带来对比度与动态范围限制，无人机靠近太阳或背景杂乱时探测效果下降，高速目标还需要抗运动模糊与较高帧率。正因如此，把事件传感器与经典帧相机配对，被视为提升无人机探测鲁棒性的必要做法。

数据集要能反映的，还有像素层面的硬约束。光学系统需要目标上有足够多曝光良好的像素（Pixels on Target）才能支撑有把握的检测与分类，由此形成检测距离、视场角与系统时延之间的三角权衡：在给定带宽和算力下，拉远距离又想保住大视场，只能上更高分辨率传感器，数据量和计算负载随之指数上升。因此材料强调，基准测试必须同时覆盖大框和极小框，即空间维度 √(w×h) 小于 20 像素的目标；无人机的相对速度可能超过 1000 px/s，也可能在视角上近乎静止，并穿越城区、森林、多云天空等非均质背景。相机自身的运动还会在事件域里制造背景杂波，这一点在示例图中被明确点出。

把这些放在一起，SkyEV 的针对性就清楚了。作者批评已有数据集缺少相机自运动、极小目标尺度和多样镜头配置，并在帧图像上引入压缩伪影；而 SkyEV 特意保留显著的相机运动与不同光学配置，用来检验视场角与探测距离之间的根本权衡，未压缩的数据形态也回避了压缩带来的干扰。基线模型融合事件与帧图像，并直接嵌入 SAST 模型从事件相机直方图中筛选出有希望的图像块，从而只对可能相关的区域做稀疏处理——按材料的说法，这是为将来在小尺寸嵌入式系统上快速推理做准备。对做工程落地的人来说，这条思路比单纯的精度数字更有参考价值：先筛后算，把算力花在少数候选块上。

这份资料适合做视觉目标检测与跟踪、事件相机、多传感器融合以及嵌入式实时推理的读者。读完能拿走的，是一套明确的数据集构成（2 事件 + 1 RGB、8 种机型、2.17 小时）、一套关于基准该如何设计的判断（小目标尺度、相机自运动、镜头配置、避免压缩伪影），以及一个可参照的多模态基线架构。需要说明边界：材料只给出了基线的架构与定位，没有列出它在 SkyEV 上的具体性能数值，因此无法据此判断精度提升了多少；事件相机分辨率上限与慢速目标不敏感属于硬件层面的限制，数据集本身不能消除；2.17 小时的规模也决定了它更适合作为方法验证与对比的平台，而非覆盖全部工况的训练语料。

SkyEV: RGB-Event UA V detection and tracking dataset and baseline Jakub Mandula1 , Sebastian Heusinger2 , Julian Moosmann1 , Christian Vogt1 , and Michele Magno1 1 ETH Zurich {jakub.mandula,christian.vogt,michele.magno}@pbl.ee.ethz.ch 2 [email protected] Abstract.Detecting Unmanned Aerial Vehicles (UAVs) in air spaces has become increasingly important due to UAVs widespread availability and easy usage. However, due to their small size, they are typically diffi- cult to detect at a sufficient range. For the training of optimized detection algorithms, datasets have been published, covering optical sensing meth- ods ranging from infrared to regular RGB to event-sensor-based. How- ever, these datasets often fail to reflect realistic counter-UAV scenarios, lacking critical factors such as camera ego-motion, extremely small target