翻越护栏识别数据集 攀爬盗窃识别 违规翻越数据集 VOC+YOLO+COCO数据集

翻越护栏+攀爬行为识别目标检测合集数据集

项目	详情
任务类型	目标检测
图片总量	10160张
分类数量	2类
类别	no_climb(无攀爬)、climb(攀爬)
标注格式	YOLO txt、VOC xml
划分比例	训练集：验证集
子数据集明细	翻越护栏数据集648张；攀爬行为数据集9560张

- 数据集简介
- 该合集数据集包含两套安防行为识别数据，合计10160张图片，压缩包总大小1.3GB。
- 第一部分为翻越护栏/围栏/围墙数据集，共648张图片，配套648个xml标注文件与txt标签，已经划分完成：训练集518张，验证集130张。
- 第二部分为攀爬行为识别数据集，分为no_climb、climb两个类别，数据预先划分，训练集9030张，验证集1130张，仅需修改yaml路径即可投入训练。
- 同时提供VOC xml和YOLO txt两种标注格式，适配YOLO全系列模型，拿到数据后可直接开展训练。

• 数据集标注优势

  • 样本取自围墙、护栏、隔离围栏等真实安防监控场景，包含不同时段光照、远距离小目标、背景杂物干扰等真实工况。
  • 行为目标标注边界贴合人体轮廓，标注标准统一，可以有效区分攀爬翻越行为和正常通行人员。
  • 两套数据均已提前划分训练集与验证集，无需手动拆分，减少前期数据处理工作量，方便调参对比模型效果。

• 模型训练与应用

  • 使用YOLO26完成训练，模型能够识别翻越护栏以及攀爬行为，区分正常无攀爬人员。
  • 识别结果可用于厂区周界安防、围墙入侵监测、工地围栏安全管控、园区非法翻越预警。
  • 适合周界安防AI、行为识别方向毕设、入侵检测算法开发、监控智能告警项目落地。
  • 数据集面向安防周界入侵场景，为围栏翻越、攀爬行为智能预警视觉方案提供训练素材。

配置文件

path: ./ train: images/train val: images/val test: images/test names:0: 翻越护栏1: no_climb2: climb

YOLO26训练代码

from ultralyticsimportYOLOif__name__=='__main__':model=YOLO("yolo26n.pt")model.train(data="数据集配置.yaml",epochs=100,imgsz=640,batch=8,device=0)

#翻越护栏检测 #攀爬行为识别 #周界安防 #入侵检测 #目标检测数据集