超市偷窃行为目标检测数据集：2类别、4,000张图像 | 目标检测
源码数据分享
通过网盘分享的文件：超市店铺偷窃行为检测数据集
链接: https://pan.baidu.com/s/10qlgBP5E9Cg_DFxgK18n_Q?pwd=rpje
提取码: rpje
一、引言：零售防损的智能化转型之路
在全球零售行业中，商品损耗（Shrinkage）始终是侵蚀利润的"隐形黑洞"。根据全球零售损失统计报告，每年因偷窃、员工内盗、供应商欺诈和行政错误造成的商品损耗金额高达数千亿美元，其中顾客偷窃占比约为35%-40%，是最大的单一损耗来源。在中国，超市和大卖场的年均损耗率约为1.5%-2.5%，看似不高的百分比，在万亿级的市场规模下，对应的绝对金额令人震惊。
传统的防损手段主要依赖人工监控和EAS（电子商品防盗）系统。然而，人工监控存在显而易见的局限：一个安保人员通常需要同时观察16-32路视频画面，注意力持续时间有限，研究显示连续监控30分钟后，人工检测异常行为的准确率下降至不足50%。EAS系统则只能保护贴有标签的商品，对无标签商品（如散装食品、小件日用品）形同虚设，且误报率较高。
基于深度学习的智能视频分析技术，为零售防损带来了革命性的解决方案。通过训练目标检测模型对监控视频中的异常行为进行自动识别，可以实现7×24小时无疲劳、高一致性、多路并行的实时监控。而这一切的起点，是一个高质量、场景匹配的偷窃行为检测数据集。
本文将全面介绍一套面向超市场景的偷窃行为检测数据集，从数据构建方法论、标注规范、模型训练到工程部署，为读者提供一份从数据到系统的完整实战指南。
二、偷窃行为的视觉特征分析
在构建数据集之前，深入理解偷窃行为的视觉特征至关重要。与一般的目标检测任务不同，偷窃行为检测本质上是一个"行为识别"问题，而行为是由一系列连续动作构成的时序过程。在静态图像层面，偷窃行为具有以下典型视觉特征：
2.1 动作分解
一个完整的偷窃行为通常包含以下动作阶段：
- 观察阶段：嫌疑人频繁环顾四周，确认是否被关注。视觉表现为头部频繁转动、眼神飘忽
- 接近阶段：靠近目标商品，可能与正常购物行为无异
- 藏匿阶段：将商品放入口袋、背包、衣物内侧或随身容器中。这是偷窃行为最具辨识度的关键帧
- 离开阶段：快速离开商品区域，步伐可能加快，身体姿态略显紧张
在单帧图像中，"藏匿阶段"是最具判别性的时刻——手部伸向商品并做出藏入衣物或包中的动作，与正常购物中将商品放入购物车的行为形成鲜明对比。
2.2 与正常行为的视觉差异
| 对比维度 | 正常购物行为 | 偷窃行为 |
|---|---|---|
| 手部动作 | 从货架取商品→放入购物车/篮 | 从货架取商品→放入衣物/包中 |
| 身体姿态 | 自然放松，面朝商品 | 可能侧身或背对摄像头 |
| 注意力方向 | 关注商品本身 | 频繁观察周围环境 |
| 移动速度 | 从容不迫 | 藏匿后可能加快步伐 |
| 物品交互 | 商品始终在明处 | 商品在藏匿后消失于视线 |
2.3 检测难点剖析
偷窃行为检测面临的核心难点包括：
视觉相似性：偷窃的"藏匿"动作与正常购物的"放入购物篮"动作在视觉上高度相似，差异仅在于目标容器（衣物/包 vs 购物篮），且这个差异可能只占图像很小的区域。
行为连续性：单帧图像无法完整表达行为的时序过程，一张手伸向商品的图片无法判断是正常选购还是偷窃。
场景复杂性：超市环境人员密集、遮挡严重、光照不均匀，都增加了检测难度。
数据稀缺性：偷窃行为在实际监控中占比极低（通常不到1%），且出于隐私保护考虑，真实偷窃视频的获取和公开面临法律和伦理障碍。
三、数据集核心架构
3.1 基本信息概览
| 参数项 | 具体说明 |
|---|---|
| 数据规模 | 约4000张图像 |
| 标注类型 | 目标检测（Bounding Box） |
| 标注格式 | YOLO标准格式（归一化坐标） |
| 类别数量 | 2类（nc=2） |
| 类别标签 | normal（正常）、shoplifting（盗窃） |
| 数据路径 | database/超市店铺偷窃行为检测数据集 |
| 数据划分 | 训练集/验证集/测试集 |
3.2 二分类设计理念
数据集采用"正常/盗窃"的二分类体系，而非更细粒度的行为子类别划分，这一设计基于以下考虑：
工程落地优先：在实际防损系统中，最核心的需求是"是否异常"的二值判断。一旦检测到异常行为，由安保人员进一步核实处理，无需AI系统完成全部判断链路。这种"人机协同"的架构既保证了效率，又降低了误报导致的纠纷风险。
标注一致性保障：二分类的标注标准最为明确——"是否存在将商品藏入衣物或包中的动作"，标注员之间的理解偏差最小。更细粒度的分类（如"藏入口袋"、"藏入背包"、"藏入衣物内侧"）会增加标注歧义，降低标注一致性。
模型训练效率：二分类任务的模型收敛速度和最终精度都优于多分类任务，适合快速迭代验证。
3.3 数据组织结构
database/超市店铺偷窃行为检测数据集/
├── train/
│ └── images/
├── valid/
│ └── images/
├── test/
│ └── images/
对应的YOLO配置文件：
path: database/超市店铺偷窃行为检测数据集
train: train/images
val: valid/images
test: test/images
nc: 2
names: ['normal', 'shoplifting']
3.4 类别定义详述
| 类别ID | 类别名称 | 描述 |
|---|---|---|
| 0 | normal | 正常购物行为，包括挑选商品、查看商品、放入购物篮/车、付款等 |
| 1 | shoplifting | 偷窃行为，包括商品藏匿、未付款带走等 |
标注原则：
- 正常行为：标注框覆盖人物全身，重点关注手部与商品的交互方式
- 偷窃行为：标注框同样覆盖全身，确保捕捉到藏匿动作的关键帧
四、数据采集与标注全流程
4.1 场景覆盖策略
为确保数据的多样性和代表性，本数据集在采集阶段覆盖了以下场景维度：
空间维度：
- 货架区域：偷窃行为最常发生的位置，商品密集、遮挡较多
- 收银区：正常与异常行为的交汇区域，存在"未付款通过"的行为
- 通道区域：人员流动频繁，存在边走边藏的行为模式
- 促销展台：开放式陈列区域，商品无防护，偷窃风险较高
人员维度：
- 单人场景：便于聚焦个体行为特征
- 多人场景：模拟人员密集时的遮挡情况
- 不同年龄/性别/体型的个体
光照维度：
- 室内标准照明：超市日常光照条件
- 冷柜区域弱光：冷藏区域光线较暗
- 出入口逆光：门口区域存在自然光与室内光的混合
4.2 标注流程
标注流程分为四个阶段：
第一阶段：标注规范制定
- 明确"正常"与"盗窃"的判定标准
- 制作标注样例库，覆盖典型和边界场景
- 制定标注FAQ，解决常见歧义问题
第二阶段：初标执行
- 标注员按照规范进行初版标注
- 每张图像标注所有可见人物的行为类别
- 边界框贴合人体轮廓，优先确保手部区域可见
第三阶段：交叉审核
- 不同标注员互换检查
- 重点审核边界模糊样本
- 记录审核修改日志，用于完善标注规范
第四阶段：终审确认
- 随机抽取20%样本进行终审
- 确保标注一致性达到90%以上
- 统计类别分布，确认无明显偏置
4.3 标注格式规范
YOLO标准标注格式：
class_id x_center y_center width height
示例：
1 0.45 0.50 0.30 0.40
0 0.60 0.65 0.25 0.35
标注要点：
- 边界框必须完整包含人物全身，包括手部区域
- 对于部分遮挡的人物，标注可见部分即可
- 当同一画面中存在多个人物时，每个人都独立标注
- 坐标值为归一化值，范围[0,1]
五、基于YOLOv8的模型训练实战
5.1 数据配置文件
path: database/超市店铺偷窃行为检测数据集
train: train/images
val: valid/images
names:
0: normal
1: shoplifting
5.2 训练命令
yolo detect train \
data=data.yaml \
model=yolov8n.pt \
epochs=100 \
imgsz=640 \
batch=16 \
optimizer=AdamW \
lr0=0.001
5.3 参数优化建议
| 参数 | 推荐值 | 优化说明 |
|---|---|---|
| model | yolov8s | 对于行为检测，s版在精度与速度间取得较好平衡 |
| epochs | 100~150 | 行为特征学习较慢，建议适当增加训练轮数 |
| imgsz | 640 | 标准尺寸，如需检测细微手部动作可提升至768 |
| batch | 8~16 | 根据GPU显存调整 |
| lr0 | 0.001 | 配合AdamW使用 |
| patience | 30 | 行为检测收敛较慢，适当延长early stopping等待 |
5.4 数据增强策略
针对超市场景的特点，推荐以下增强配置：
augmentation:
hsv_h: 0.015 # 色调微扰
hsv_s: 0.7 # 饱和度扰动，模拟不同光照
hsv_v: 0.4 # 明度扰动
degrees: 5.0 # 小角度旋转
translate: 0.1 # 平移
scale: 0.5 # 缩放
fliplr: 0.5 # 水平翻转
mosaic: 1.0 # 马赛克增强
mixup: 0.15 # 混合增强
特别说明：
- 旋转角度不宜过大（建议≤10°）：超市场景中人物通常直立，大角度旋转会产生不真实的样本
- 垂直翻转应关闭：倒立的人体不符合物理规律
- Mosaic增强对提升遮挡场景下的检测能力特别有效
六、核心挑战与进阶优化
6.1 类别不平衡问题
在实际数据中，正常行为样本通常远多于偷窃样本（约3:1至5:1的比例），这种不平衡会导致模型偏向多数类。应对策略：
损失函数层面：
- 使用Focal Loss替代标准交叉熵损失，自动降低易分类样本的损失权重
- 设置类别权重，对shoplifting类赋予更高的损失权重
# 在YOLOv8中设置类别权重
class_weights = [1.0, 3.0] # 正常行为权重1.0，偷窃行为权重3.0
数据层面：
- 对少数类样本进行过采样
- 针对偷窃样本使用更强的数据增强
- 确保训练每个batch中包含至少1-2个偷窃样本
评估指标层面：
- 不要仅关注总体accuracy，应重点观察shoplifting类的recall和precision
- 使用F1-score和mAP作为主要评估指标
6.2 时序信息融合
如前所述，偷窃行为是一个时序过程，单帧检测存在固有局限。进阶方案是将检测与视频时序分析相结合：
方案一：检测+跟踪
- 使用YOLO模型对每帧进行人物检测和行为分类
- 使用ByteTrack或BoT-SORT进行多目标跟踪
- 对每个人的连续帧分类结果进行时序投票（如连续5帧中有3帧被判为shoplifting则触发预警）
方案二：检测+时序分类
- 使用YOLO模型检测人物位置
- 提取每个人物区域的连续帧特征序列
- 使用LSTM/Transformer对特征序列进行时序分类
方案三：端到端视频检测
- 使用YOLOv8-Pose提取人体关键点序列
- 将关键点序列输入时空图卷积网络（ST-GCN）
- 输出行为分类结果
方案一实现简单、实时性好，是工程落地的首选方案；方案三精度最高但计算量较大，适合对精度要求极高的场景。
6.3 遮挡问题处理
超市场景中的人员遮挡十分普遍，应对策略：
检测端优化：
- 使用更大模型（YOLOv8m或YOLOv8l）获取更强的特征表达能力
- 提高输入分辨率至768或1024
- 训练时增加遮挡样本的比例
后处理优化：
- 适当提高NMS的IoU阈值，避免密集场景下的误抑制
- 使用Soft-NMS替代硬NMS，保留更多重叠目标的检测框
多摄像头协同：
- 在关键区域部署多个角度的摄像头
- 融合多个视角的检测结果，互补遮挡区域
6.4 误报控制策略
在防损系统中，误报（将正常行为误判为偷窃）是影响用户体验的关键问题。过高的误报率会导致安保人员疲劳响应，最终忽视系统预警。误报控制策略包括：
置信度阈值调优：将shoplifting类的置信度阈值提高至0.6-0.7，牺牲部分召回率以换取更高的精确率。
时空一致性过滤：仅当同一人物在连续多帧中被判为shoplifting，且位置变化合理时，才触发预警。瞬时闪烁的检测结果通常是误报。
业务规则辅助：结合POS收银数据，如果某顾客已购买对应商品，则对应的"藏匿"行为应判定为正常。
七、工程部署与系统集成
7.1 模型导出
# 导出ONNX格式
yolo export model=best.pt format=onnx imgsz=640
# 导出TensorRT格式（GPU部署）
yolo export model=best.pt format=engine half=True
# 导出NCNN格式（移动端/嵌入式部署）
yolo export model=best.pt format=ncnn
7.2 部署架构设计
一个完整的智能防损系统包含以下模块：
视频采集层：IP摄像头 → RTSP视频流
推理服务层：视频解码 → 模型推理 → 结果后处理
业务逻辑层：行为判断 → 预警规则 → 通知推送
管理展示层：实时监控大屏 → 预警记录 → 统计报表
推理服务层的技术选型：
- GPU服务器部署：使用TensorRT加速，单卡可处理16-32路视频流
- 边缘计算部署：使用Jetson平台，适合小规模门店
- 云端API部署：适合连锁零售企业统一管理
7.3 性能优化
推理加速：
- 使用FP16或INT8量化，推理速度提升2-4倍
- 批量推理，利用GPU并行能力
- 视频抽帧检测（如每秒检测5帧而非30帧），在行为检测场景下通常足够
系统优化：
- 使用GPU硬件解码替代CPU软解
- 异步推理流水线：解码与推理并行
- 结果缓存与去重，避免重复预警
八、应用场景拓展
8.1 零售安防系统
这是数据集最直接的应用场景，通过实时检测偷窃行为，实现：
- 自动检测偷窃行为并实时预警
- 辅助安保人员精准定位异常区域
- 记录偷窃事件的视频片段作为证据保全
- 统计偷窃高发时段和区域，优化安保资源配置
8.2 智能视频分析
超越单纯的偷窃检测，该数据集的训练模型还可以支撑更广泛的行为分析：
- 顾客行为分析：浏览路径、停留时长、商品关注度
- 客流密度估计：各区域的人员密度和流动趋势
- 异常行为检测：打架、摔倒、儿童走失等
8.3 AI算法研究
对于学术研究，该数据集在以下方向具有研究价值：
- 异常检测方法研究：在正常样本远多于异常样本的不平衡场景下，如何提升异常检测的召回率
- 行为识别算法验证：从目标检测到行为识别的跨任务迁移
- 弱监督学习探索：利用大量无标注视频数据辅助少量标注数据训练
8.4 商业落地应用
- 大型商超监控系统升级改造
- 无人零售店（如无人超市、自动售货机区域）的安全保障
- 连锁便利店的远程集中监控平台
- 购物中心的智能安防平台
九、可扩展方向
9.1 行为类别扩展
当前数据集仅区分正常与偷窃两类行为，可扩展更多细粒度行为类别：
- 破坏商品包装
- 更换商品标签（价格欺诈）
- 团伙协作偷窃（多人配合分散注意力）
- 员工内盗行为
9.2 多模态融合
结合其他传感器数据提升检测精度：
- RFID商品标签：检测商品是否经过收银台
- POS收银数据：关联购买行为与视频行为
- 热成像传感器：在光线不足区域补充检测能力
9.3 主动防御系统
从被动检测升级为主动防御：
- 智能货架：检测到异常行为时触发语音提醒
- 电子价签联动：标记疑似被盗商品
- 机器人巡检：在关键时段自动巡检重点区域
十、总结
本超市偷窃行为检测数据集以4000张高质量标注图像为核心，覆盖了真实零售环境中的正常与偷窃两类行为，为智能防损系统提供了坚实的数据基础。从行为特征分析、数据集构建、模型训练到工程部署，本文呈现了一条完整的技术链路。
在实际部署中，需要特别注意以下几点：
- 偷窃行为检测应采用"人机协同"架构，AI负责初筛预警，安保人员负责最终确认
- 误报控制与检测精度同等重要，过高的误报率会降低系统的实际可用性
- 时序信息的引入可以显著提升检测可靠性，建议从检测+跟踪的方案入手
- 数据隐私和伦理合规是系统上线的前提，应确保监控数据的合法合规使用
智能防损技术的价值不仅在于减少商品损耗，更在于推动零售行业从"人盯人"的传统模式向"数据驱动+智能预警"的现代化管理模式转型，最终实现运营效率与安全保障的双赢。
