简介面向电力工地与施工作业场景的人头检测数据集适合作业安全监控、人员计数及安全帽佩戴检测等目标检测任务的训练与评测也适合作为算法效果对比的标准化数据。数据集围绕单一 head 类别进行矩形框标注共覆盖7035张现场图片标注框总量达26424个并提供 Pascal VOC 与 YOLO 两种常用格式能直接对接 YOLO 系列、Faster R-CNN 等常见检测框架标注过程采用 labelImg 工具按规范对人员头部逐一画框说明文件对使用方式也做了必要提示。当前压缩包共2000个文件以1999个xml标注文件为主另含1个使用必读txt文件整体容量约226.32MB便于按需整理图片与标签的对应关系。已有392人学习下载。这套数据的实用价值在于省去工地现场数据采集与人工标注的高昂成本拿到结构化标注数据后可快速用于模型微调、效果验证以及电力工地安全算法的场景适配同时资源注明不保证模型精度但提供准确且合理的标注适合作为训练与评估的基础数据。1. 电力工地人头检测数据集为什么 7035 张图能撑起一个安防项目“电力工地场景下的人头检测数据集VOCYOLO格式7035张1类别”这个标题乍一看像个不起眼的资源包但真正在电力安监或基建现场算法落地的人看到“电力工地”和“人头检测”这两个词组合在一起心里应该立刻有数这 dataset 是奔着解决实际痛点去的。电力工地环境复杂有高空坠落风险、有机械碰撞风险还有人员越界、违章作业监管人员不可能 24 小时盯着每一块屏幕而做目标检测安全帽检测早就烂大街了但“人头”检测的难点在于遮挡严重、角度刁钻、远小目标多。这套数据集打包了 7035 张真实电力工地场景图并且直接给出了 VOC 和 YOLO 两种标注格式——这意味着你拿到手不用再从 XML 往 TXT 手工搬家省掉了一个最容易出错的环节。这篇笔记我就从数据集结构、格式转换、训练参数到踩坑记录把这套资源彻底拆开帮你判断它值不值得用、怎么用最快。我拿到 .7z 压缩包后做的第一件事不是解压而是先想清楚一个前提这 7035 张图、单类别数据量不算大但也不算小的离谱。问题的关键不在于图片多不多而在于你能不能把标注格式理顺、把训练策略调对。VOC 格式是 PASCAL VOC 竞赛留下的标准XML 文件里存着每个目标的边界框坐标和类别名YOLO 格式则是 Darknet/YOLOv5/YOLOv8 系列框架直接读的轻量 txt 文件每行一个目标的类别 ID 和归一化中心点宽高坐标。两者之间本质上是同一个数据的两种编码方式但转换错了模型训练出来的结果就是黑匣子里的垃圾。下面我先把格式细节讲清楚。2. 拆开 .7zVOC 与 YOLO 双格式的结构、坐标换算和首次验证很多工程师拿到数据集习惯性地直接拖进训练脚本里跑结果 Loss 曲线飞起、精度为 0然后开始怀疑模型有问题。实际上十个里有八个是数据集格式或者路径没理顺。这一章不急着写转换脚本先把压缩包里的东西弄明白搞清楚 VOC 和 YOLO 两种格式到底在说什么。2.1 目录结构和 XML 标注文件先搞清楚黑匣子里有什么解压 .7z 文件常见做法是用 7-Zip 或者命令行里的7z x解压后你会看到一个典型的双格式目录。我习惯先用tree命令把目录层级列出来确认里面是不是同时包含了JPEGImages、Annotations和labels三个关键目录7z x 电力工地人头检测数据集VOCYOLO格式7035张1类别.7z -o./power_dataset cd power_dataset tree /f | head -50目录结构通常会分成两块一块是 VOC 风格的VOCdevkit另一块是 YOLO 风格平铺的images和labels。VOC 部分的核心是Annotations目录下的 XML 文件每个 XML 对应一张JPEGImages里的图片。打开一个 XML 来看看里面到底是什么annotation folderJPEGImages/folder filenameimg_00001.jpg/filename size width1920/width height1080/height depth3/depth /size object nameperson/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin125/xmin ymin203/ymin xmax328/xmax ymax476/ymax /bndbox /object /annotation这里的关键信息都在size和bndbox里。size给出的是原始图像的宽、高和通道数bndbox给出的是该目标边界框的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)。在电力工地场景下这个框住的通常不是整个人而是安全帽以下的人头部分或者完全没有安全帽的人头。注意name这个标签它决定了后续转换脚本里类别 ID 的映射关系。如果数据集里混了person、head、worker多种叫法而你只想做单类别的人头检测必须在脚本里统一映射这个后面踩坑章节会细说。2.2 从 VOC 到 YOLO边界框坐标的换算逻辑与 Labels 文件YOLO 格式和 VOC 格式最本质的区别在于坐标参考系不同。VOC 的xmin和ymin是像素绝对值YOLO 则要求一切归一化到 0 到 1 之间每行文本是类别ID 中心点x 中心点y 宽度 高度全部相对于图像尺寸。假设图像宽度为 W、高度为 H换算公式如下x_center ((xmin xmax) / 2) / W y_center ((ymin ymax) / 2) / H box_width (xmax - xmin) / W box_height (ymax - ymin) / H这四个计算式是整套数据集的命根子。很多人在手写转换脚本的时候容易把除以 W 和除以 H 弄反或者在算中心点时忘了先除以 2结果就是框偏移、尺寸畸变。我见过有人在 YOLOv5 训练完毕后在测试图上画出框发现框总是往左上角偏最后排查了半天发现是自己写的转换脚本把中心点坐标写成了(xmin xmax) / 2后忘了除以图像宽高导致坐标全部变成几百的数值直接超界。拿到数据集之后我强烈建议你先做一次“反向验证”——也就是把 YOLO 的 txt 文件里的坐标反算回像素坐标画在对应图片上看看标注框到底框在哪。这步工作只需要写个小脚本import cv2 import numpy as np # 假设这是某张图的YOLO标注内容 img cv2.imread(img_00001.jpg) H, W img.shape[:2] # 注意OpenCV读出来是 (height, width) # YOLO txt中的一行: class_id x_center y_center width height line 0 0.117 0.314 0.211 0.253 cls, xc, yc, bw, bh map(float, line.split()) # 反算到绝对像素坐标 x1 int((xc - bw / 2) * W) y1 int((yc - bh / 2) * H) x2 int((xc bw / 2) * W) y2 int((yc bh / 2) * H) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite(check_img_00001.jpg, img)这段代码的意义在于把标注的可视化做出来让我在训练前就能直观地看到框是贴着头皮的还是把整个安全帽和肩膀都圈进去了。电力工地的图像里工人常常戴安全帽如果标注框把安全帽顶到脖子都框进去模型学到的是“安全帽检测”而不是“人头检测”后续做违规行为分析时容易误判。我一般会把随机抽取的 200 张图用上面脚本跑一遍肉眼扫过去心里就有底了。另外这 7035 张图还要检查有没有损坏的图片或者空的标注文件。空标注文件在训练时会导致collate_fn报错损坏图片会导致cv2.imread返回None。我习惯写一段快速脚本扫描这两类问题确保在进入转换阶段之前就把数据质量问题暴露出来而不是等训练到一半翻车。3. 用 Python 把 VOC XML 转成 YOLO TXT转换脚本与数据集切分当你确认 VOC 标注质量没问题、YOLO 标注也对应得上后接下来就是围绕“yolov8训练自己的数据集”这条主线把数据变成 YOLO 训练管线能直接吃进去的样子。虽然压缩包里已经声称给了 YOLO 格式但实际使用时我几乎总会重写一遍转换脚本一方面是为了处理类别映射另一方面是为了按自己的标准重新切分数据集。自己写脚本跑一遍比直接拿别人的 txt 踏实得多。3.1 转换脚本把 XML 变成 TXT 的完整过程下面给出一个完整的转换脚本。这个脚本做的事情很简单遍历Annotations下的所有 XML解析出目标和边界框映射好类别名然后写入到 YOLO 格式的labels目录。脚本里加了容错机制遇到损坏的 XML 不会让整个程序崩溃。import os import xml.etree.ElementTree as ET from pathlib import Path # 配置路径 voc_annotations Path(power_dataset/Annotations) yolo_labels Path(power_dataset/labels) yolo_labels.mkdir(exist_okTrue, parentsTrue) # 类别映射把XML里的name映射到YOLO类别ID # 注意单类别数据集的 class_id 统一填 0 class_map { person: 0, head: 0, worker: 0, safe_hat: 0 # 如果标注把安全帽也算进来了要看数据集的原始定义做合并 } for xml_file in voc_annotations.glob(*.xml): txt_write_lines [] try: tree ET.parse(xml_file) root tree.getroot() except ET.ParseError as e: # 解析失败的 XML 要单独列出来排查不要静默跳过 print(f[ERROR] 解析失败: {xml_file.stem} - {e}) continue # 从XML里取图像宽度和高度 size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) # 遍历所有object for obj in root.iter(object): name obj.find(name).text if name not in class_map: # 遇到没见过的类别名先打印出来不要直接跳过或报错 print(f[WARN] 未映射的类别 {name} 在 {xml_file.stem}) continue bndbox obj.find(bndbox) xmin int(bndbox.find(xmin).text) ymin int(bndbox.find(ymin).text) xmax int(bndbox.find(xmax).text) ymax int(bndbox.find(ymax).text) # 坐标边界保护防止出现负数或超界 xmin max(0, min(xmin, img_w)) ymin max(0, min(ymin, img_h)) xmax max(0, min(xmax, img_w)) ymax max(0, min(ymax, img_h)) # 过滤掉宽或高为0的无效框 if xmax xmin or ymax ymin: continue # 核心换算除以图像宽高归一化 x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h box_width (xmax - xmin) / img_w box_height (ymax - ymin) / img_h # 类ID 四个浮点数保留6位小数就够了 line f0 {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f} txt_write_lines.append(line) # 写入txt文件文件名与图片名保持一致只换扩展名 out_file yolo_labels / (xml_file.stem .txt) out_file.write_text(\n.join(txt_write_lines)) print(f[OK] {xml_file.stem} 共生成 {len(txt_write_lines)} 个标注)这段代码的逻辑说明首先定义了一个class_map字典把 XML 里的字符串类别名映射到整数 ID。因为标题写了“1类别”也就是最终模型只输出一个类所以不管原始 XML 里标注名是person还是head都统一映射到 0。实际的坑在于某些数据集混合标注了worker和head如果你不合并它们模型的nc就会变成 2而不是 1。然后代码从 XML 里读取图像宽高这是保证归一化正确的关键参数——我看到很多人犯错就是在读图的时候用cv2.imread拿宽高而忽略了 XML 里size才是标注时参考的基准尺寸两者如果不一致转换后框全错位。最后坐标归一化公式前面已经讲过这里不再重复。运行脚本时注意路径里面的反斜杠。Windows 系统下Path对象处理路径虽然能自动转义但我更建议直接把压缩包解压到一个纯英文路径下比如D:\power_dataset避免中文字符造成 YOLO 工程读取路径时出现编码错误。这个细节很多人要到训练报错时才反应过来。3.2 数据集切分train/val/test 按 8:1:1 切分的坑转换完标签以后下一步就是切分数据集。YOLOv5 和 YOLOv8 系列框架都希望你在images目录下放训练图片在labels目录下放对应的 txt 标注并且需要你自己维护 train.txt、val.txt 这样的清单文件或者直接用目录结构来区分。我习惯的做法是生成三个文本清单文件里面每一行写一张图片的绝对路径或相对于data.yaml的路径。import random from pathlib import Path all_images list(Path(power_dataset/images).glob(*.jpg)) random.seed(42) random.shuffle(all_images) total len(all_images) # 7035 train_cnt int(total * 0.8) val_cnt int(total * 0.1) test_cnt total - train_cnt - val_cnt train_set all_images[:train_cnt] val_set all_images[train_cnt:train_cnt val_cnt] test_set all_images[train_cnt val_cnt:] def write_list(file_path, img_list): with open(file_path, w) as f: for img in img_list: f.write(str(img.resolve()) \n) write_list(power_dataset/train.txt, train_set) write_list(power_dataset/val.txt, val_set) write_list(power_dataset/test.txt, test_set) print(f训练集 {len(train_set)} 张验证集 {len(val_set)} 张测试集 {len(test_set)} 张)切分这里我要多说一句。很多人怕数据集少直接把 7035 张全扔给训练集验证集只留一点点甚至不留这是错误的。电力工地场景下的人头检测模型最终要部署在复杂光照和遮挡环境下验证集的意义是评估模型是否过拟合。我一般会在切分时加一个random.seed(42)保证每次运行的切分结果一致这样后续调整参数时才能横向对比模型效果。另外注意如果你使用train.txt和val.txt的清单方式图片和标签要在同一个根目录下且不能把图片复制两份分别放否则训练时 YOLO 框架会去对应的 labels 目录找相同前缀的 txt 文件找不到就会报空标签错误。3.3 配置 YOLOv8 的 dataset.yaml路径、类别数和项目根目录数据准备好后还需要一份 YAML 配置文件告诉 YOLOv8 去哪里找数据。这里直接放一份我常用的power_head.yaml# 数据集配置文件电力工地人头检测 path: D:/power_dataset # 数据集根目录建议写绝对路径 train: train.txt # 相对于path的训练集清单文件 val: val.txt # 相对于path的验证集清单文件 test: test.txt # 测试集可选 nc: 1 names: 0: headYAML 文件里的缩进和冒号千万不能乱YOLOv8 用的是 Python 的 yaml 库解析稍微多一个空格就会报yaml.scanner.ScannerError。path我推荐写绝对路径因为在服务器上跑和在自己电脑上跑相对路径的基准目录不一致很容易找不到数据集。有人喜欢把train直接写成images/train的目录形式这也可以但需要保证目录内图片和标签同名存在我用清单文件的方式是为了在切换不同的数据集切分方案时只改 txt 文件内容而不动目录结构。4. 训练配置与调参YOLOv8 在本数据集上的损失函数与收敛策略数据集格式理顺了接下来正式进入训练环节。这一章专注于 YOLOv8 在电力工地人头检测场景下的参数选择。很多初学者喜欢把 YOLO 的默认参数当成圣旨但默认参数是基于 COCO 这种通用场景调的直接用在电力工地这种小目标、单类别、背景复杂的场景上效果未必好。训练的本质是在调整模型对“yolo损失函数”的优化方向你得知道每个参数在改什么。4.1 输入分辨率 img-size 和 Batch Size 怎么选输入分辨率imgsz是整个训练里最直接影响效果的参数之一。电力工地场景下一张 1080p 的现场画面里可能有几十个工人每个人头可能只有 20x20 像素甚至更小。如果强行缩到 416x416小目标直接缩成几个像素点特征根本提不出来。我的经验是对于这类密集小目标场景imgsz640是最基本的下限条件允许的话直接上imgsz1280代价是显存占用和训练时间成倍增加。yolo detect train datapower_head.yaml modelyolov8n.pt epochs150 imgsz640 batch16 device0Batch Size 的选取要综合考虑显存大小。如果显存只有 8GBimgsz640时batch16可能会爆显存报CUDA out of memory。这种情况下不要硬撑把 batch 降到 8 或者 4同时把workers参数调大弥补 batch 减小带来的吞吐量下降。另外训练时会默认开启 AMP自动混合精度这能省不少显存但如果发现 Loss 曲线出现奇异的 NaN那就是 AMP 的锅这时候在训练命令里加上ampFalse关掉它牺牲一点速度换稳定。4.2 学习率与优化器YOLO 损失函数在小型人头目标上的表现YOLOv8 的优化器默认使用 SGD但我在自己的数据集上跑下来的感觉是AdamW 在单类别小数据集上收敛速度明显更快稳定性也更好。很多人看到网上说 YOLOv8 应该用 SGD 就死咬着不改然后在小数据集上折腾几百轮也不收敛。YOLO 的损失函数由三部分组成分类损失BCE、定位损失CIoU、置信度损失BCE。对于人头检测这种单类别任务分类损失的压力其实很小大头在定位损失——也就是边界框回归得准不准。yolo detect train datapower_head.yaml modelyolov8n.pt epochs150 imgsz640 batch16 optimizerAdamW lr00.001这里lr0是初始学习率。SGD 通常在 0.01 左右启动AdamW 则要降一个量级设到 0.001 比较稳。如果你发现 Loss 曲线一直高位震荡多半是学习率太大导致模型在最优解附近来回弹跳如果 Loss 下降得极其缓慢说明学习率太小卡在了鞍点上。电力工地这种小目标密集场景我一般会开启cos_lrTrue让学习率在整个训练周期内从初始值按余弦曲线下降到接近 0对收敛有帮助。4.3 类别不平衡与锚框为什么单类别数据集也要关注这些单类别数据意味着没有类别不平衡问题但这不代表着锚框Anchor的设置可以完全不管。YOLOv8 默认是 Anchor-Free 的设计但模型内部的检测头依然在不同尺度特征图上做预测小目标要靠高分辨率的特征图。如果数据集里人头尺寸分布极其不均匀比如大多数都是画面中央的大人头极少数是远处的小人头模型会倾向于把大目标拟合得很好而忽略小目标。这时候有两条路可以走一是调整训练时的增强策略把mosaic和mixup打开并适当提高参数强迫模型看到不同尺度的目标二是直接使用 YOLOv8 官方提供的tune功能搜索最优超参数。我最常用的操作是检查标注框的面积分布写个脚本统计所有 txt 里标注框的宽高分布如果发现小框面积小于 32x32占比不到 10%那模型的 mAP 大概率不会差反之如果小框占比很高果断把imgsz提高并将anchor_t调低让模型更关注小目标的学习权重。5. 避坑清单转换和训练过程中最常见的 5 个翻车现场这一章是全篇的血泪经验。我拿 VOCYOLO 格式的数据集做电力场景检测没少掉头发下面的 5 个坑每一个都是先看到诡异现象、再排查半天才找到原因的真实经历。希望你逐一对照看自己的数据集和训练环境有没有类似的隐患。5.1 现象Loss 一直不降精度为 0 —— 类别 ID 不匹配这是最让人崩溃的。训练了 50 个 epochLoss 降到 1.2 左右就开始躺平不动验证集的 mAP 永远是 0。我第一反应是模型太浅换了大模型也一样又怀疑是学习率太高调低后依然如此。最后把预测结果可视化出来发现模型其实“检测”到了东西但所有的框类别 ID 都是 1而我data.yaml里类别只有 0。这导致模型输出的类别置信度全部计算错误mAP 自然为 0。原因在于转换脚本里我用了enum遍历 XML 中的name把第一个出现的类别赋了 ID 0第二个赋了 ID 1而实际上原始 XML 里有多余的人头类别比如head和hat并存。解决方法是回到class_map里显式地统一映射确保只输出一个类别 ID。5.2 现象训练时报 “Cant find dataset root” —— 路径转义问题YOLOv8 在训练一开始会检查data.yaml里的path是否存在如果找不到就直接报错退出了。常见原因有两个一是 Windows 下路径分隔符用了反斜杠比如直接复制文件夹路径是D:\数据集\power_dataset写进 YAML 后反斜杠被当成转义字符路径解析失败二是数据集路径里包含了中文字符或空格YAML 解析器处理起来容易出幺蛾子。解决方法是路径里的反斜杠/换成正斜杠/或者用双反斜杠\\转义数据集目录整体迁移到纯英文、无空格的路径下比如D:/data/power_head_dataset。这种问题看着弱智但真的能卡住你一下午。5.3 现象检测框偏移框住一堆背景 —— 坐标归一化时除以了图像尺寸的宽而不是高具体现象是训练完测试时模型检测到的位置和目标真实位置总是错位框的中心点偏上偏左且框的尺寸明显偏大。我排查后发现转换脚本里写错了归一化的基准。原始代码是这样的x_center ((xminxmax)/2) / img_w这没错但后面计算box_height时有人会手误写成了/ img_w导致在非正方形的图像上高度方向的比例被严重拉伸。由于电力工地的监控图像大多是 16:9 或者 4:3 的宽幅画面宽高比大于 1把img_h错写成img_w会让框变矮变宽看起来像是框了一堆背景。解决方法是把转换脚本里的标准公式再对着确认一遍并画图验证不要嫌麻烦。5.4 现象模型把人头识别成安全帽 —— 数据标注的边界框一致性这是一个更隐蔽的坑。你拿到的数据集虽然标注是“人头”但有些标注框是把安全帽连同头皮一起框住有些只框了脸部有些甚至把脖子以下也包进来。在单类别检测里模型会从这些不一致的标注中学习到“安全帽”的特征作为共性。等到你部署到现场遇到一个没有戴安全帽的工人模型可能直接就漏检了因为它的权重里默认了“人头有安全帽的椭圆轮廓”。解决的办法是花费时间去修正部分标注框或者调整模型的conf_thres阈值。我用 YOLOv8 往往会用labelImg的检查模式重新过一遍训练集里的小部分数据观察边界框的风格然后决定怎么裁剪。5.5 现象预训练权重加载失败 —— YOLOv5 和 YOLOv8 的权重文件版本不匹配当你在 YOLOv8 中训练自己的数据集时默认会从官方的 GitHub 仓库下载yolov8n.pt预训练权重。如果网络条件差或者中间断流下载下来的权重文件可能是损坏的 0 字节文件或者因为某个下载加速工具保存成了旧版 YOLOv5 的权重格式加载时就会报错提示缺少 keys 或者 shape 不匹配。解决方法是删掉缓存目录下的坏权重一般在~/.cache/ultralytics/下重新运行训练命令让框架自动下载或者干脆不加载预训练权重在命令里把modelyolov8n.yaml直接改成从零训练。但从零训练收敛更慢我一般会选择换个时间重新下载。6. 验证与进阶用混淆矩阵和切片推理把单类别模型用到实拍图上模型训练完并不是结束验证是检验数据集价值的最后一道关卡。不要只看训练结束后打印出来的 mAP 数字那个数字来自验证集验证集和训练集是同分布的如果分割时没做严格随机或者数据泄漏这个数字会有虚高。我自己会额外拉一段和训练集完全无关的实拍监控视频来测试用model.predict跑一版结果统计漏检率和误检率。验证阶段的重要手段之一是看混淆矩阵。YOLOv8 在训练完会自动生成confusion_matrix.png虽然只有 1 个类别但矩阵里会包含背景background这一行一列。如果发现大量前景被预测成背景说明模型的目标响应太弱你可以去阈值文件里把conf_thres调低如果背景被预测成前景说明误检严重尤其在电力工地这种脚手架构件复杂的场景里横平竖直的钢架结构很容易被误判成人头轮廓。需要检查测试集的标注框质量和光照分布。进阶技巧是使用切片推理Inference with Slicing。对于电力工地的高分辨率监控视频直接把整帧缩放输入模型会丢失小目标信息导致远处的人头完全无法检测。常见做法是用 SAHI 库对图像做切片把大图切成若干个 640x640 的 patch分别送入模型推理再合并结果。这里给出一个最小可用的推理代码片段from sahi.model import Yolov8DetectionModel from sahi.predict import get_prediction yolov8_model Yolov8DetectionModel( model_pathruns/detect/train/weights/best.pt, confidence_threshold0.25, devicecuda # cpu环境下改成 cpu ) result get_prediction( imagelive_snapshot.jpg, detection_modelyolov8_model, slice_height640, slice_width640, overlap_height_ratio0.2, overlap_width_ratio0.2 ) result.export_visuals(export_dirsahi_output/)代码说明slice_height和slice_width设成 640 是为了和训练时的输入尺寸保持一致overlap_height_ratio设为 0.2 是为了让相邻切片之间有重叠避免目标恰好被切在边界上导致检测不到。这种推理方式能显著提高电力工地远距离小目标的召回率但推理速度会变慢部署时需要做权衡。我在实际项目中经常把切片推理用在后端抓拍分析上实时视频流还是用整帧检测两套策略各司其职。这也是我对这套 7035 张数据集最终的落地建议单类别模型的边界比较清晰做好小目标增强和切片推理它能实打实帮你撑起一个中等规模的安监预警模块。希望帮到你。本文还有配套的精品资源点击获取