摘要：该数据集面向图像清晰度下降条件下的人员目标检测研究，通过对公开视频帧施加高斯模糊，模拟运动模糊、摄像机失焦和低质量监控画面等现实场景。
数据集概述
该数据集面向图像清晰度下降条件下的人员目标检测研究，通过对公开视频帧施加高斯模糊，模拟运动模糊、摄像机失焦和低质量监控画面等现实场景。其主要目标是评估YOLOv8等目标检测模型在视觉信息退化情况下识别和定位人员的能力，为研究图像模糊对检测精度与模型鲁棒性的影响提供实验数据。
数据结构与关键特征
数据集共包含455张分辨率为640×480的模糊人员图像，其中训练集364张、测试集91张，设置一个Person人员类别。每张图像均配有对应的YOLO格式.txt边界框标签，并提供data.yaml配置文件，可直接用于YOLOv8模型训练。原始图像由公开YouTube视频提取成帧，经自动方向校正、尺寸统一和高斯模糊处理后，在Roboflow平台完成标注；数据制作过程中未采用其他增强方法，也未单独提供验证集。
应用价值与研究方向
该数据集可用于模糊监控画面中的人员检测、检测模型鲁棒性评估、低质量视频分析及图像退化条件下的算法对比研究。后续可围绕YOLO系列模型、去模糊与目标检测联合学习、模糊感知特征提取、多尺度人员检测、合成与真实模糊域适应、模型轻量化和边缘设备部署等方向开展研究，并分析不同模糊强度对精确率、召回率和平均精度均值的影响。
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-750
文件大小：15M
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)