鱼眼镜头室内火灾检测数据集

摘要：鱼眼镜头室内火灾检测数据集是一个专门用于室内火灾与烟雾检测的大规模图像数据集，通过鱼眼（180°广角）镜头摄像机采集，模拟天花板安装的室内监控和安全监测摄像头视角。

数据集简介

数据集概述

鱼眼镜头室内火灾检测数据集是一个专门用于室内火灾与烟雾检测的大规模图像数据集，通过鱼眼（180°广角）镜头摄像机采集，模拟天花板安装的室内监控和安全监测摄像头视角。数据集包含61,648张室内场景图像（包含和不包含火灾/烟雾事件），其中508张图像带有YOLO格式的边界框标注，标注2个类别：火焰（fire）和烟雾（smoke）。鱼眼镜头的独特性在于其强烈的径向（桶形）畸变特征，使该数据集特别适用于畸变感知目标检测研究。这是一个部分标注数据集，仅508张图像具有边界框标签，其余约61,140张未标注图像作为原始图像池，适用于半监督学习、预训练、自监督预训练任务、主动学习或手动/自动标注扩展。室内安全摄像头通常采用天花板安装的鱼眼/球形摄像头，通过单一视点覆盖整个房间，而标准透视图像训练的检测器在图像边缘弯曲几何区域性能下降，该数据集为训练和评估对鱼眼径向畸变具有鲁棒性的检测器提供了重要的数据支撑。

数据结构与关键特征

数据集采用YOLO标准目标检测格式，图像文件为标准JPG/PNG格式，标注文件为.txt文本文件（每个已标注图像对应一个标签文件，每行表示一个边界框）。每个标签行格式为：class_id x_center y_center width height（全部归一化至0-1范围）。

关键特征包括：鱼眼镜头径向畸变（180°广角视野导致的桶形失真，边缘区域拉伸严重）、天花板俯视视角（与标准透视相机的水平视角完全不同）、大规模未标注图像池（61,140张原始图像）与小规模精确标注（508张带标注图像）的组合、以及室内多样化场景（不同房间布局、照明条件、家具配置）。

数据集的部分标注特性使其特别适合半监督学习和主动学习研究：508张标注样本提供监督信号，而大量未标注图像可用于无监督预训练、伪标签生成、一致性正则化等技术。

鱼眼畸变对目标检测带来的挑战包括：边缘区域目标形状严重变形、尺度非均匀分布（中心区域目标较小，边缘区域目标拉伸）、以及传统卷积神经网络对径向畸变的不敏感性。数据集涵盖有无火灾/烟雾事件的室内场景，为模型提供正负样本，确保检测器能够区分正常室内环境与火灾险情。

应用价值与研究方向

该数据集在智能安防、室内安全监测、早期火灾预警和智能建筑管理领域具有重要应用价值，可用于开发鱼眼/广角摄像头的火灾烟雾检测系统、智能消防预警平台和室内安全监控解决方案。研究方向包括：畸变感知/几何感知目标检测算法（去畸变预处理、RectConv等）、鱼眼图像目标检测网络设计、半监督学习与主动学习（利用508张标注+约61K未标注图像）、伪标签生成与迭代训练、自监督预训练任务、以及轻量级实时检测模型部署。数据集的部分标注特性特别适合研究如何高效利用大量未标注数据、主动学习样本选择策略、半监督目标检测算法以及标注成本与模型性能的权衡。此外，该数据集还可扩展至全景监控、机器人导航、自动驾驶环视系统等鱼眼镜头应用场景，为推动畸变感知AI技术在火灾预警中的应用、提升早期检测准确性、优化室内安全监控系统提供重要的数据支撑和技术基础。

数据集来源

该数据集通过天花板安装的鱼眼（180°广角）镜头摄像机在室内环境中采集，包含61,648张图像，其中508张经过人工标注（YOLO格式），用于火灾和烟雾目标检测研究。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-191
文件大小：31G
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。