景区攀爬行为感知与预警数据

通过采集人工模拟景区各类攀爬动作与正常行走动作作为样本视频数据集，采用YOLOv11构建目标检测与姿态估计双模型融合算法，输出攀爬行为实时检测结果。该数据及算法可应用于景区户外场景攀爬行为智能监测、实时预警与事后追溯场景，通过多模型融合算法降低复杂背景下误报、漏报问题，攀爬行为识别召回率达 96.49%，适配光照变化、小目标远距离等复杂景区环境，形成视频智能分析，全面提升景区违规攀爬行为主动防控与精细化管理能力。1. 数据来源： 收集了企业员工人工模拟攀爬与正常行走的样本视频数据； 2. 数据处理： 对上述数据进行了以下处理： （1）视觉数据处理：采用 YOLOv11 图像检测与姿态估计双模型并行推理，搭载 TensorRT 引擎与 FP16 精度加速，通过 CLAHE 算法完成小目标图像增强引入 DeepSort 框架实现跨帧目标匹配与持续跟踪，提取人体肢体骨架特征、行为特征权重； （2）多模型融合处理： 基于 YOLOv11与姿态估计双模型 + DeepSort 算法对视频数据进行解析，同时生成结构化数据，包含逐帧 JSON 检测结果，利用以上多模型算法的特征融合技术，对视频数据的行为特征进行双层分析，精准识别异常攀爬行为（0正常行为，1异常攀爬行为），召回率达 96.49%，降低误报率。

搜集汇总

背景与挑战

背景概述

该数据集由航天科工广信智能技术有限公司登记，来源于自行拍摄的人工模拟景区攀爬与正常行走样本视频，采用YOLOv11目标检测与姿态估计双模型融合DeepSort算法进行处理，输出逐帧JSON检测结果，可精准识别正常行为与异常攀爬行为，召回率达96.49%。其适用于景区户外场景的攀爬行为智能监测、实时预警与事后追溯，能够降低复杂背景下的误报与漏报，提升违规攀爬行为的主动防控与精细化管理能力。数据规模为147.3MB，按需更新。