暴力行为检测数据集 | 5900张YOLO安防监控数据集

暴力行为检测数据集 | 5900张YOLO安防监控数据集

适用于公共区域智能预警、异常行为识别与 目标检测 研究

一、数据集概述

本数据集面向 计算机视觉 目标检测任务，专为暴力/非暴力行为识别模型训练、验证与测试设计，共包含约5900张高质量标注图像。该数据集聚焦于银行、校园、街道等公共区域的暴力行为检测与预警场景，可广泛应用于公共区域暴力事件智能预警、校园与银行安防监控、异常行为实时识别、平安城市视频分析等领域，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。

随着公共安全需求的不断提升和社会治安防控体系建设的深入推进，利用计算机视觉技术实现暴力行为的自动检测与实时预警已成为提升公共安全管理水平的重要手段。本数据集针对暴力行为检测场景中行为姿态多样、场景光照复杂、目标尺度变化等问题进行专项构建，可为智能安防监控系统与异常行为预警设备提供高质量数据支撑。

数据集下载

通过网盘分享的文件：暴力行为检测-2类

链接: https://pan.baidu.com/s/1rAinU3Heg8dhmWCALmFJbw?pwd=e2d4

提取码: e2d4

二、数据集基本信息

三、数据集类别说明

本数据集为二分类目标检测数据集，共设置2个检测类别，聚焦暴力与非暴力行为的二分类判别，任务明确、标注简洁。

类别配置

nc: 2

names:
  - non_violence
  - violence

类别详情

二分类设计使模型能够专注于暴力/非暴力行为的核心判别任务，提高检测精度与实时预警响应速度，特别适用于公共区域智能预警、异常行为实时识别与安防监控等专项应用场景。

四、数据集结构说明

数据集采用标准YOLO 目录结构 组织，已按训练集、验证集、测试集进行科学划分，结构清晰，便于直接接入主流检测框架。

暴力行为检测-2类/
├── train
│   ├── images
│   └── labels
├── valid
│   ├── images
│   └── labels
├── test
│   ├── images
│   └── labels
└── data.yaml

各数据集作用如下：

• train/images & labels：训练集图像与标签，用于模型参数学习与特征提取；
• valid/images & labels：验证集图像与标签，用于超参数调优、早停监控及防止过拟合；
• test/images & labels：测试集图像与标签，用于最终模型性能评估与泛化能力测试。

标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套 data .yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。

五、数据集核心优势

1. 聚焦公共安全与安防监控

本数据集以暴力行为检测为核心任务，所有图像聚焦于银行、校园、街道等公共区域的真实监控视角，不涉及无关场景的冗余标注。主题高度聚焦于公共安全，类别语义清晰、判别标准明确，更利于训练出针对暴力行为的精准 识别模型 。

覆盖场景包括：

• 银行营业厅与自助区域
• 校园与教育机构
• 街道与公共场所
• 不同监控视角与安装高度
• 不同人群密度与活动状态

能够有效提升模型的实际部署效果。

2. 典型二分类任务设计

二分类设计精准覆盖异常行为检测的核心需求：

• 暴力行为：肢体冲突、打斗、攻击等危及公共安全的异常行为
• 非暴力行为：正常通行、站立交谈、排队等常规行为

类别设计贴近公共安防监管实际需求，便于直接支撑智能预警与异常事件响应。

3. 丰富的场景与行为多样性

数据覆盖多种安防监控环境与行为状态：

• 场景类型：室内公共场所、室外街道、不同背景环境
• 光照条件：白天自然光、室内灯光、夜间低照度
• 行为姿态：站立冲突、倒地扭打、追逐等不同暴力形态
• 人群状态：单人、多人、人群聚集等不同密度
• 拍摄角度：不同监控视角与距离

贴近真实公共安防环境，有效提升模型泛化能力。

4. 高质量人工标注

所有图像均经过高质量人工精准标注：

• 边界框规整、无漏标/错标
• 以行为主体（人员及交互区域）为目标进行框选标注
• 2类标签判别标准统一清晰
• 满足高精度检测模型训练需求

有效保证 模型训练 质量。

5. 即用型数据组织

标准目录结构+简化类别配置，无需复杂预处理，下载即可直接用于模型训练，降低使用门槛。配套data.yaml已配置好类别名称与数量，一键启动训练。

6. 适中的样本规模

总计约5900张高质量图像，样本量适中，可满足二分类异常行为检测模型的训练需求，同时保持较高的标注质量与场景覆盖度。

六、适用场景

公共区域暴力事件智能预警

部署于银行、校园、车站、商场等公共区域监控系统，实现暴力行为的自动检测与实时预警。

校园与银行安防监控

针对校园暴力、银行安全等典型场景，实现异常行为的自动识别与安保联动。

异常行为实时识别

在视频监控中实时识别暴力冲突、打斗等异常行为，辅助安保人员快速响应。

平安城市视频分析

作为城市安防大数据平台的重要分析模块，实现海量视频中暴力事件的自动化筛查与预警。

社区与公共场所安全管理

应用于居民社区、体育场馆、娱乐场所等公共区域的智能安全监控。

教学科研

用于异常行为检测 算法 研究、二分类模型验证与调优等科研场景。

七、适用研究方向

本数据集可广泛应用于以下研究领域：

• 异常行为检测与识别研究
• 暴力行为检测研究
• 二分类目标检测研究
• 公共安全智能监控研究
• 视频监控实时分析研究
• YOLO系列模型优化研究
• 轻量化检测模型与边缘部署研究
• 域适应与跨场景泛化研究
• 多视角行为分析研究
• 平安城市与智慧安防研究

八、总结

暴力行为检测数据集包含约5900张高质量标注图像，采用标准YOLO格式构建，专注于公共区域暴力行为的检测任务。数据集以暴力和非暴力2类为核心类别，覆盖银行、校园、街道等多种真实公共场景，具有主题聚焦、场景多样、标注精准等特点，可广泛应用于公共区域智能预警、校园与银行安防、异常行为识别、平安城市视频分析等领域，是开展暴力行为检测算法研发与智慧安防系统建设的优质数据资源。