UAV-Human 是一个大规模人类行为理解数据集。该数据集由无人机获取，为期三个月，拍摄了多个城市及农村地区早晚期间的视频，包括了广泛的主题、背景、照明条件等。

该数据集包括 67,428 个多模态视频序列以及 119 个动作识别对象。其中 22,476 帧用于姿态估计，41,290 帧及 1,144 个身份用于行人重识别，22,263 帧用于属性识别。