麦加朝圣人群异常行为检测数据集V2-朝圣场景-异常行为-时间未知
数据来源：互联网公开数据
标签：人群行为分析,异常行为检测,朝圣,计算机视觉,视频分析,人群安全,深度学习,公共安全
数据概述：
HAJJv2数据集是为解决HAJJv1数据集中训练样本类别不平衡和缺乏异常行为标注的问题而创建的。该数据集包含18个手动收集的视频，来源于一年一度的麦加朝圣活动。这些视频可在以下网址获取：https://github.com/superYong2020/hajj_abnormal_behavior_detection。所有视频均为mp4格式，记录了大规模人群中个体出现的异常行为。视频拍摄于朝圣期间的不同场景，包括“Massaa”、“Jamarat”、“Arafat”和“Tawaf”。其中5个视频拍摄于“Massaa”场景。这些视频由高分辨率摄像机拍摄，随后被裁剪并分割成训练集和测试集，每组包含9个短视频。训练集中的每个视频时长为25秒，测试集中的每个视频时长为20秒。
视频中个体的异常行为包括站立、坐下、睡觉、奔跑、逆行或与人群方向相反的移动，以及非行人实体（如汽车和轮椅）。这些行为可能对大规模人群流动构成潜在危险。HAJJv2数据集提供了这些异常行为的示例，并给出了数据集的统计信息。数据集存在类别不平衡现象，坐下行为在训练集和测试集中都拥有最多的样本，而奔跑行为的样本数量最少。
视频中个体的异常行为已进行手动标注和标记，用于训练和测试。标注信息存储在两个CSV文件中。训练集CSV文件包含170,772个标注和标记的个体异常行为，测试集CSV文件包含129,769个标注和标记的个体异常行为。
数据用途概述：
该数据集主要用于人群异常行为检测、跟踪和识别相关的计算机视觉研究。研究人员可以使用该数据集训练和评估基于深度学习的模型，从而提升在拥挤场景下检测异常行为的准确性和效率。该数据集也适用于人群安全分析、公共安全监控、智能视频分析等应用场景，有助于提升人群管理和安全保障水平。
引用说明：
在使用该数据集进行研究时，请引用以下论文：
@article{alafif2022hybrid,
title={Hybrid classifiers for spatio-temporal real-time abnormal behaviors detection, tracking, and recognition in massive hajj crowds},
author={Alafif, Tarik and Hadi, Anas and Allahyani, Manal and Alzahrani, Bander and Alhothali, Areej and Alotaibi, Reem and Barnawi, Ahmed},
journal={arXiv preprint arXiv:2207.11931},
year={2022}
}.
