TUB CrowdFlow 是用于视觉人群行为分析的合成视频数据集，包含 10 个序列和 5 个场景。基于无人机的监控，每个场景由静态视角和动态视角两次合成得到。这些合成视频的分辨率是 1280×720，速度是 25 帧/秒，总帧数 3,200，这也是目前商业 CCTV 监控系统典型的视频渲染。

每个序列都有以下 ground truth 数据：

• 光流场
• 人物轨迹（多达 1,451）
• 密集的像素轨迹