摘要：该数据集是一个专注于商业购物中心环境的视频行为识别数据集，包含约2000个10秒视频片段，专门用于训练AI模型区分正常购物活动和盗窃行为。
数据集简介
数据集概述
该数据集是一个专注于商业购物中心环境的视频行为识别数据集，包含约2000个10秒视频片段，专门用于训练AI模型区分正常购物活动和盗窃行为。与传统静态图像数据集不同，这些连续视频序列能够捕捉人体运动的时间动态，为SlowFast网络、3D CNN等时空模型提供了丰富的训练素材，旨在弥合传统人工监控与AI驱动的自动威胁检测之间的差距
数据结构与关键特征
数据集采用层次化目录结构，分为训练集和验证集，每个集合包含两个核心类别：normal（正常零售活动如浏览、行走、搬运商品）和theft（可疑行为如隐藏物品、入店行窃）。数据集的显著特征在于其类别不平衡设计——正常活动样本远多于盗窃事件，这真实反映了实际监控场景的分布特点，既为PyTorch等深度学习框架提供了开箱即用的数据组织方式，也对模型在保持低误报率的同时实现高泛化能力提出了挑战。
应用价值与研究方向
该数据集在智能零售监控、自动威胁检测和商品损失预防等实际应用中具有直接价值，可显著降低人工监控成本并提高异常响应速度。从研究角度看，它为时空行为建模（SlowFast、Transformer）、不平衡学习（Focal Loss、数据增强）、异常检测（自编码器、对比学习）、实时推理优化（模型压缩、边缘部署）以及多模态融合（姿态估计、目标追踪）等前沿方向提供了理想的实验平台，同时也推动了行为可解释性、隐私保护和跨场景迁移等关键问题的探索。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-178
文件大小：60G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)