Bullying10K

Bullying10K是一个大规模的神经形态数据集，旨在保护隐私的同时进行欺凌识别。该数据集由中国科学院自动化研究所脑启发认知智能实验室创建，包含来自真实场景的各种动作、复杂运动和遮挡情况。数据集包含10,000个事件段，总计120亿事件和255GB数据，提供了三个基准用于评估不同的任务：动作识别、时间动作定位和姿态估计。Bullying10K通过使用动态视觉传感器（DVS）相机捕捉像素亮度变化而非静态图像，有效平衡了暴力检测和个人隐私保护。该数据集将为训练和开发保护隐私的视频系统提供宝贵的资源，为这些领域的新研究方法开辟新的可能性。

Bullying10K is a large-scale neuromorphic dataset designed for bullying recognition while preserving privacy. This dataset was created by the Brain-inspired Cognitive Intelligence Laboratory, Institute of Automation, Chinese Academy of Sciences, and contains diverse actions, complex motions, and occlusion scenarios from real-world settings. The dataset comprises 10,000 event segments, totaling 12 billion events and 255 GB of data, and provides three benchmarks for evaluating distinct tasks: action recognition, temporal action localization, and pose estimation. Bullying10K employs Dynamic Vision Sensor (DVS) cameras to capture pixel brightness changes rather than static images, effectively striking a balance between violence detection and personal privacy protection. This dataset will serve as a valuable resource for training and developing privacy-preserving video systems, opening up new possibilities for novel research methodologies in these fields.

搜集汇总

数据集介绍

构建方式

Bullying10K数据集的构建采用了动态视觉传感器(DVS)相机，该相机能够捕捉像素亮度变化，而非静态图像，从而有效保护个人隐私。数据集收集了10,000个事件片段，总计120亿个事件和255GB的数据，涵盖了各种动作、复杂运动和遮挡，为暴力检测和隐私保护提供了丰富的数据基础。

特点

Bullying10K数据集的特点在于其规模庞大，包含的事件数量和种类繁多，能够满足暴力检测的需求。此外，该数据集还提供了三个基准任务：动作识别、时间动作定位和姿态估计，为研究人员提供了多样化的研究目标和方向。同时，Bullying10K数据集在保证数据隐私保护的同时，也涵盖了更复杂和快速的动作，以及个体遮挡的情况，为事件驱动的神经形态数据集带来了新的挑战。

使用方法

使用Bullying10K数据集时，首先需要进行数据预处理，将原始的aerdat4格式数据转换为npy格式，并进行相应的组织和管理。然后，根据不同的研究任务，可以选择不同的模型进行训练和评估。例如，对于动作识别任务，可以使用C3D、TAM、R2Plus1D、R3D、SlowFast、X3D等模型进行训练和评估；对于时间动作定位任务，可以使用BSN、BMN等模型进行训练和评估；对于姿态估计任务，可以使用SimpleBaseline、HRNet等模型进行训练和评估。此外，Bullying10K数据集还提供了相应的代码和工具，方便研究人员进行数据操作和模型训练。

背景与挑战

背景概述

Bullying10K数据集是一个大规模的神经形态数据集，旨在解决日常生活中的暴力行为检测问题，同时保护个人隐私。该数据集由中国科学院自动化研究所脑启发认知智能实验室的Yiting Dong、Yang Li、Dongcheng Zhao等研究人员于2023年创建。Bullying10K数据集利用动态视觉传感器（DVS）相机捕捉像素亮度变化，从而避免捕获静态图像可能导致的隐私泄露问题。该数据集包含10,000个事件片段，总共有120亿个事件和255GB的数据，涵盖了各种动作、复杂运动和遮挡情况。Bullying10K数据集提供了三个基准任务：动作识别、时间动作定位和姿态估计，为评估不同任务提供了重要的数据资源。该数据集的创建对神经形态数据集领域提出了新的挑战，并为开发隐私保护的监控系统提供了新的可能性。

当前挑战

Bullying10K数据集面临着一些挑战。首先，所解决的领域问题是在保证个人隐私的前提下，准确识别视频中的暴力行为。这需要解决动作识别、时间动作定位和姿态估计等任务中的技术难题。其次，构建过程中所遇到的挑战包括：1）DVS相机捕获的像素亮度变化数据难以直接用于动作识别，需要开发新的算法进行处理；2）数据集包含了复杂的动作、快速运动和遮挡情况，增加了识别的难度；3）现有的动作识别模型在Bullying10K数据集上的表现不如在传统RGB图像数据集上的表现，需要进一步改进模型以适应新的数据类型。

常用场景

经典使用场景

Bullying10K数据集作为首个大规模事件驱动的欺凌识别数据集，其经典使用场景在于利用动态视觉传感器(DVS)相机捕捉像素亮度变化，从而在检测暴力事件的同时保护个人隐私。该数据集包含10,000个事件片段，总共有12亿个事件和255GB的数据，为动作识别、时间动作定位和姿态估计提供了三个基准。它涵盖了现实场景中的各种动作、复杂运动和遮挡，为隐私保护视频系统的训练和发展提供了宝贵的资源。

衍生相关工作

Bullying10K数据集的推出，推动了基于事件驱动的神经形态视觉研究的进展。该数据集为研究人员提供了训练和评估事件驱动的动作识别、时间动作定位和姿态估计模型的大规模数据集。此外，Bullying10K数据集还促进了隐私保护动作识别技术的发展，为未来智能视频监控系统的设计和应用提供了新的思路。

数据集最近研究

最新研究方向

Bullying10K 数据集的提出，标志着暴力检测领域对隐私保护的重视。该数据集利用动态视觉传感器 (DVS) 相机捕捉像素亮度变化，从而在有效识别暴力事件的同时，最大程度地保护个人隐私。其复杂、快速的动作以及个体遮挡的特点，为事件驱动的神经形态数据集带来了新的挑战。Bullying10K 数据集的引入，为训练和发展隐私保护的监控系统提供了宝贵的资源，为暴力场景的预测和研究开辟了新的可能性。

相关研究论文

• Bullying10K: A Large-Scale Neuromorphic Dataset towards Privacy-Preserving Bullying Recognition

  中国科学院自动化研究所脑启发认知智能实验室 · 2023年