摘要：UCF犯罪检测数据集是CVPR 2018论文《真实世界监控视频异常检测》中引入的大规模真实世界异常检测基准数据集，包含1,900个长时未剪辑的监控视频，总时长约128小时，分辨率为典型闭路电视风格的320×240低分辨率。
数据集简介
数据集概述
UCF犯罪检测数据集是CVPR 2018论文《真实世界监控视频异常检测》中引入的大规模真实世界异常检测基准数据集，包含1,900个长时未剪辑的监控视频，总时长约128小时，分辨率为典型闭路电视风格的320×240低分辨率。数据集包含13种真实世界犯罪/异常事件类别（虐待、逮捕、纵火、袭击、入室盗窃、爆炸、打斗、道路事故、抢劫、枪击、商店盗窃、偷窃、破坏公物）以及正常视频。数据集采用弱监督学习标注方式：训练集使用视频级标签（整个视频是否包含异常），测试集使用帧级标签（精确标注异常发生的时间段）。所有视频均为真实闭路电视监控录像,来自不同室内和室外场景,广泛用于视频异常检测、暴力检测、犯罪识别和监控AI研究，是该领域的权威基准数据集。。
数据结构与关键特征
数据集包含1,900个长时未剪辑监控视频（总计128小时），分为14个类别（13类异常+正常）。关键特征包括：真实监控场景（来自实际闭路电视系统的真实犯罪和异常事件录像）、长时未剪辑视频（非预切割的短片段，包含事件前后的完整上下文）、弱监督标注策略（训练集视频级标签降低标注成本，测试集帧级标签用于精确评估）、低分辨率真实画质（320×240典型监控分辨率，模拟真实部署环境）、以及多样化场景覆盖（室内、户外、不同光照、不同摄像机角度）。数据集的13类异常事件涵盖了公共安全监控中的核心威胁类型：暴力事件（打斗、袭击、枪击）、财产犯罪（抢劫、盗窃、入室盗窃、商店盗窃）、公共危险（纵火、爆炸、破坏公物）、以及其他异常（虐待、逮捕、道路事故）。弱监督设计反映了实际应用场景：大规模监控视频难以获得逐帧标注，视频级标签更易获取且成本更低。
应用价值与研究方向
该数据集在智能监控、公共安全、异常检测和计算机视觉研究领域具有重要应用价值，可用于开发视频异常检测系统、智能监控平台、犯罪预警工具和公共安全AI系统。研究方向包括：弱监督视频异常检测算法、时序动作定位（精确识别异常事件的起止时间）、多类别异常识别、实时异常检测、长时视频理解、注意力机制在异常检测中的应用、以及少样本/零样本异常检测。数据集的弱监督特性特别适合研究如何从视频级标签学习帧级检测能力、如何处理长时视频中的稀疏异常事件、以及如何降低误报率。此外，该数据集还可扩展至行为识别、暴力检测、人群异常行为分析等应用场景，为推动计算机视觉技术在公共安全领域的应用、提升监控系统智能化水平、增强犯罪预防和快速响应能力提供重要的数据支撑和技术基础。需要注意的是，数据集包含真实犯罪和暴力事件录像，仅供研究和教育目的使用。
数据集来源
该数据集源自CVPR 2018论文《真实世界监控视频异常检测》（作者：Waqas Sultani, Chen Chen, Mubarak Shah），由UCF计算机视觉研究中心发布，包含1,900个真实闭路电视监控视频（总计128小时），涵盖13类犯罪/异常事件和正常视频，采用弱监督标注方式（训练集视频级标签，测试集帧级标签），官方项目页面：https://www.crcv.ucf.edu/projects/real-world/。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-207
文件大小：95G
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)