摘要：人体活动识别视频数据集（HAR）是一个综合性人类活动视频集合，包含7个不同类别的人类活动：鼓掌（clapping）、相遇与分离（meeting and splitting）、坐着（sitting）、静止站立（standing still）、行走（walking）、边走边读书（walking while reading a book）和边走边使用手机（walking while using the phone）。
数据集简介
数据集概述
人体活动识别视频数据集（HAR）是一个综合性人类活动视频集合，包含7个不同类别的人类活动：鼓掌（clapping）、相遇与分离（meeting and splitting）、坐着（sitting）、静止站立（standing still）、行走（walking）、边走边读书（walking while reading a book）和边走边使用手机（walking while using the phone）。每个视频片段展示特定的人类活动并标注了相应类别，以支持监督学习。数据集涵盖从简单动作（如坐着、站立）到更复杂的活动（如边走边读书、边走边使用手机）的完整范围，捕捉了个体进行不同行为的真实场景。该数据集的创建旨在使机器能够准确识别和分类人类活动，随着计算机视觉和深度学习技术的发展，在大规模多样化数据集上训练机器学习模型对于提高准确性和鲁棒性至关重要。数据集采用CC BY-NC-SA 4.0许可协议，适用于活动识别研究和相关研究目的。
数据结构与关键特征
数据集采用分层目录结构，根目录包含7个子目录，每个子目录对应一个活动类别，包含该类别的所有视频文件。关键特征包括：多粒度活动覆盖（从静态姿态如坐着/站立到动态活动如行走，再到复杂的多任务活动如边走边读书/使用手机）、真实场景拍摄（捕捉个体在自然环境中的活动表现）、多任务行为标注（特别标注了”边走边读书”和”边走边使用手机”这类同时执行多个任务的复杂行为）、以及社交互动场景（相遇与分离类别捕捉人群互动行为）。数据集的类别设计反映了日常生活中常见的活动模式和现代生活习惯（如走路时使用手机），特别适合研究分心行为、多任务处理和人机交互场景。7类活动在视觉复杂度上存在递进关系：静态姿态（坐/站）最简单，单纯行走属于中等复杂度，多任务活动（边走边读书/使用手机）和社交互动（相遇与分离）最复杂，为不同难度的模型评估提供了层次化的测试基准。
应用价值与研究方向
该数据集在智能监控、人机交互、智能家居和行为分析领域具有重要应用价值，可用于开发活动识别系统、行为监测平台、分心检测工具和智能辅助系统。研究方向包括：基于深度学习的视频活动识别算法、多任务行为识别（同时执行多个动作）、时序动作定位、分心行为检测（边走边使用手机的安全风险识别）、社交互动理解（相遇与分离的群体行为分析）、以及轻量级实时识别模型设计。数据集特别适合研究如何识别复杂的多任务活动、如何区分相似但不同的行为（站立vs坐着、行走vs边走边做其他事）、以及如何提升模型在真实场景中的泛化能力。此外，该数据集还可扩展至行人安全监控（检测危险的分心行为）、智能家居控制（基于活动的场景切换）、健康监测（活动量评估）等应用场景，为推动计算机视觉技术在日常生活场景中的应用、提升公共安全意识、改善人机交互体验提供重要的数据支撑和技术基础。
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-209
文件大小：14.8G
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)