摘要：人类活动与可疑行为视频数据集是一个标注视频片段集合，捕捉了广泛的正常日常活动和异常/可疑行为，共包含20个类别：7类正常人类活动（鼓掌、相遇与分离、坐着、静止站立、行走、边走边读书、边走边使用手机）和13类可疑/犯罪活动（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）。
数据集简介
数据集概述
人类活动与可疑行为视频数据集是一个标注视频片段集合，捕捉了广泛的正常日常活动和异常/可疑行为，共包含20个类别：7类正常人类活动（鼓掌、相遇与分离、坐着、静止站立、行走、边走边读书、边走边使用手机）和13类可疑/犯罪活动（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）。视频格式为mp4，时长和分辨率适合动作识别任务，每个视频按所显示的活动或事件进行标注。数据集为原始数据，可进行预处理或帧提取,适用于使用MMAction2、I3D、TSN或3D CNN等框架训练动作识别模型，开发智能监控系统、多类别视频分类研究和实时行为检测系统。该数据集特别适合AI/ML研究人员、监控系统开发者和专注于行为分析的计算机视觉从业者使用，可同时支持分类和异常检测任务，适合学术研究和实际应用。
数据结构与关键特征
数据集采用双类别结构，包含正常人类活动（7类）和可疑/犯罪活动（13类）共20个类别的视频片段，每个视频文件（mp4格式）对应一个活动标签。关键特征包括：正常-异常二元对比设计（为异常检测和行为分类提供完整的正负样本）、多粒度活动覆盖（从简单静态姿态到复杂犯罪事件）、真实监控场景适配（分辨率和质量适合实际监控系统部署）、以及原始数据格式（便于研究者根据需求进行自定义预处理和帧提取）。数据集的类别设计体现了监控场景的核心需求：正常活动提供基线行为模式，可疑活动覆盖公共安全中的主要威胁类型。20类活动的复杂度存在显著差异：正常活动相对简单且可控，异常活动（如爆炸、枪击、纵火）更复杂且具有突发性，这种不平衡性反映了真实监控场景的特点。数据集支持多种训练框架（MMAction2、I3D、TSN、3D CNN），为不同技术路线的研究提供了灵活性。
应用价值与研究方向
该数据集在智能监控、公共安全、异常检测和行为分析领域具有重要应用价值，可用于开发智能监控系统、异常行为预警平台、视频分类模型和实时行为检测工具。研究方向包括：基于深度学习的动作识别算法、正常-异常行为分类、异常检测与定位、时序动作识别、多类别视频分类、实时行为检测系统优化、以及少样本学习应用于稀有异常事件识别。数据集的双类别设计特别适合研究异常检测算法、如何在正常行为基线上识别异常、以及如何降低误报率（避免将正常行为误判为异常）。此外，该数据集还可扩展至行为预测、人群异常分析、智能安防等应用场景，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。
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-210
文件大小：5.9G
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)