智能监控地铁站内人员危险行为关键点检测数据集YOLOv11 地铁人员检测、人体关键点检测、姿态估计、危险行为识别、摔倒检测、车站安防-拓冰建站

智能监控地铁站内人员危险行为关键点检测数据集，1005张，提供yolo关键点检测格式文件

YOLO 关键点数据集统计信息

总图像数: 1005
图像尺寸: 640×640
关键点配置: 17 个点, 维度=3 (x,y,可见性)
类别总数: 4
类别名称: [‘fall_down’, ‘lying_down’, ‘sitting’, ‘standing’]

[TRAIN 集]
图像数量: 904
图像尺寸: 640×640
目标数量:
fall_down(0): 534 个
lying_down(1): 350 个
standing(3): 633 个
sitting(2): 88 个
关键点可见性:
v=0(不可见): 136
v=1(被遮挡): 1364
v=2(完全可见): 25785

[VALID 集]
图像数量: 91
图像尺寸: 640×640
目标数量:
standing(3): 174 个
fall_down(0): 34 个
lying_down(1): 55 个
sitting(2): 15 个
关键点可见性:
v=0(不可见): 89
v=1(被遮挡): 945
v=2(完全可见): 3692

[TEST 集]
图像数量: 10
图像尺寸: 640×640
目标数量:
lying_down(1): 7 个
fall_down(0): 3 个
standing(3): 4 个
sitting(2): 1 个
关键点可见性:
v=0(不可见): 0
v=1(被遮挡): 46
v=2(完全可见): 209

一、数据集信息表格

1.1 基础总览

项目	详情
数据集名称	地铁站内人员危险行为关键点检测数据集
总图像数量	1005 张
图像尺寸	640×640
标注格式	YOLO 关键点检测格式
关键点配置	单目标17个关键点，维度(x,y,可见性)
类别总数	4类
训练集	904 张
验证集	91 张
测试集	10 张

1.2 类别对应表

序号	英文类别	中文释义
0	fall_down	摔倒
1	lying_down	躺卧
2	sitting	坐卧
3	standing	正常站立

1.3 各子集目标分布

子集	摔倒(fall_down)	躺卧(lying_down)	坐卧(sitting)	正常站立(standing)
训练集	534	350	88	633
验证集	34	55	15	174
测试集	3	7	1	4

1.4 关键点可见性统计

子集	不可见(v=0)	被遮挡(v=1)	完全可见(v=2)
训练集	136	1364	25785
验证集	89	945	3692
测试集	0	46	209

1.5 类别列表代码

names=["fall_down","lying_down","sitting","standing"]

二、应用场景

地铁安防监控：站内摄像头实时识别摔倒、躺卧等危险行为，自动预警，保障乘客人身安全。
轨道交通智能运维：地铁、车站、枢纽等场所人员姿态分析，异常行为实时上报。
人体关键点算法研发：姿态估计、行为识别、关键点检测模型训练、学术研究与竞赛。
公共区域安防系统：商场、车站、楼道等室内场所人员异常行为监测。
边缘设备部署：嵌入式摄像头、智能网关搭载模型，实现本地实时检测。

三、YOLOv11 关键点检测训练&推理代码

3.1 环境依赖安装

pipinstallultralytics torch opencv-python numpy

3.2 数据集配置文件`metro_pose.yaml`

path:./metro_pose_datasettrain:images/trainval:images/valtest:images/test# 类别数nc:4# 类别名称names:0:fall_down1:lying_down2:sitting3:standing# 关键点配置：17个关键点，每个点 (x,y,visibility)kpt_shape:[17,3]

3.3 数据集目录结构

metro_pose_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO 关键点标注 txt 文件 │ ├── train/ │ ├── val/ │ └── test/ └── metro_pose.yaml

3.4 训练代码`train_metro_pose.py`

fromultralyticsimportYOLOdeftrain_metro_pose():# 加载 YOLOv11n 关键点检测模型model=YOLO("yolov11n-pose.yaml")model.train(data="metro_pose.yaml",epochs=80,imgsz=640,batch=8,device="cpu",# GPU环境改为 device=0workers=4,patience=12,amp=True,mosaic=1.0,project="runs/train",name="metro_person_pose",exist_ok=True)print("训练完成，权重保存至 runs/train/metro_person_pose/weights")if__name__=="__main__":train_metro_pose()

3.5 推理测试代码`predict_metro_pose.py`

fromultralyticsimportYOLO# 加载训练完成的最优权重model=YOLO("runs/train/metro_person_pose/weights/best.pt")if__name__=="__main__":# 单张图片检测 + 关键点绘制res=model("test.jpg",save=True,conf=0.25)# 批量图片检测# res = model("./test_images/", save=True, conf=0.25)# 视频/摄像头实时姿态检测# res = model(0, save=True, conf=0.25)print("关键点检测推理完成")