1. 为什么安全带检测值得单独做一个数据集1.1 从一张卡口图说起前阵子帮一个做智慧交通的朋友看他们新上线的高空卡口相机画面里一辆白色轿车前排两个人驾驶员系了安全带副驾没系。人眼一眼就能分辨但后台的算法模型给出的结果却是两个人都“已系安全带”。问题出在哪训练数据里副驾未系安全带的样本太少模型压根没见过几种副驾不系的姿态自然就学不会。这件事让我意识到安全带检测看着简单实际上是个被严重低估的细分类目。它不像行人检测、车辆检测那样有海量公开数据也不像车牌识别那样有成熟的商业方案。安全带检测的难点在于目标区域小、遮挡严重、姿态多变、正负样本极度不平衡。你拿一个通用目标检测模型直接上十有八九会把深色衣服的褶皱误判成安全带或者把斜挎包带当成安全带。这次要聊的这套安全带检测数据集8400张图YOLO格式标注就是专门冲着这些痛点去的。它解决的核心问题是让做智慧交通、车载监控、道路安全分析的开发者能有一个开箱即用的、标注质量可控的起点不用从零开始爬图、标图、清洗。1.2 这套数据集适合谁用如果你属于下面几类人这套数据值得你花时间研究智慧交通方向的算法工程师需要快速验证安全带检测在卡口场景下的可行性不想在数据准备上耗两周。车载DMS驾驶员监控系统开发者想用公开数据做预训练再在自己的红外/近红外数据上微调。计算机视觉学习者想找一个目标小、难度适中、标注规范的数据集来练手YOLO系列模型。交通管理部门的技术合作方需要评估现有算法在安全带识别上的漏检率和误检率。不适合谁如果你要做的是三维目标检测或者多模态融合这套纯2D图像数据帮不上忙。它的定位很明确2D图像、YOLO格式、安全带二分类系/未系或三分类系/未系/无法判断。1.3 8400张这个量级意味着什么很多人对数据集规模没概念。我拿实际训练经验给你换算一下8400张图按8:1:1划分训练/验证/测试训练集约6720张。如果按YOLOv8n这种轻量模型batch size设16大约420个iteration为一个epoch。跑100个epoch在单张V100上大概需要6到8小时。这个量级的好处是你可以在一个工作日内完成一轮完整的训练和评估快速迭代。但8400张不算多。如果类别只有“系”和“未系”两类且正负样本比例接近1:1那每类约4200个实例够用。如果未系安全带的样本只有几百张那就需要做数据增强或者重采样。所以拿到数据集第一件事不是急着训练而是先统计类别分布。提示数据集规模不是越大越好关键是类别平衡和场景覆盖。8400张如果覆盖了白天、夜间、雨天、逆光、驾驶员穿深色衣服、副驾有遮挡等场景价值远高于20000张单一场景的图。2. 拆解YOLO格式标注的核心细节2.1 YOLO标注格式到底长什么样YOLO格式的标注文件是.txt每张图对应一个同名txt。每一行代表一个目标格式是class_id x_center y_center width height其中坐标都是归一化到0到1之间的浮点数。举个例子一张1920x1080的图驾驶员安全带区域在像素坐标(800, 400)到(1000, 600)之间那么中心点x (8001000)/2 / 1920 0.46875中心点y (400600)/2 / 1080 0.46296宽度 (1000-800)/1920 0.10417高度 (600-400)/1080 0.18519标注文件里就写0 0.46875 0.46296 0.10417 0.18519这里0是类别id假设0代表“已系安全带”1代表“未系安全带”。2.2 安全带标注的边界框怎么画才合理这是整套数据集质量的关键。我见过太多数据集标注框画得随心所欲导致模型学出来的东西根本没法用。安全带检测的标注框常见有三种画法画法标注范围优点缺点全身框驾驶员整个人标注简单安全带占比太小模型容易忽略上半身框头部到腰部平衡仍包含大量无关区域安全带区域框只框安全带斜跨部分目标明确标注工作量大边界模糊这套8400张的数据集从命名和常见实践推断大概率采用的是上半身框安全带区域框结合的方式。也就是说每张图可能同时标注了“驾驶员上半身”和“安全带”两个类别或者只标注安全带区域但框的范围略大于安全带本身。我的建议是如果你要复现或微调先可视化几张标注图看看框的松紧程度。框太松模型学不到细节框太紧泛化能力差。理想的安全带框应该包含安全带从肩部到腰部的完整斜跨段上下各留5到10个像素的余量。2.3 类别定义与正负样本划分安全带检测的类别定义直接决定模型输出。常见方案二分类0: seatbelt1: no_seatbelt。简单直接但“无法判断”的情况会被强行归入某一类。三分类0: seatbelt1: no_seatbelt2: uncertain。更贴近实际但需要标注人员对“无法判断”有统一标准。多分类属性0: driver_seatbelt1: passenger_seatbelt2: driver_no_seatbelt3: passenger_no_seatbelt。区分主副驾实用性强但标注成本高。从8400张这个规模看二分类或三分类的可能性最大。如果你拿到的是二分类数据但实际业务需要区分主副驾可以在训练时把类别合并推理后再用位置规则区分——主驾在画面左侧国内场景副驾在右侧。注意正负样本比例如果超过1:3训练时一定要用cls损失加权或者过采样。YOLOv8默认的分类损失是BCEWithLogitsLoss可以通过cls_pw参数调整正样本权重。3. 用YOLOv8跑通安全带检测的完整流程3.1 环境配置别在Anaconda上浪费时间网上很多教程让你装Anaconda然后创建虚拟环境再装PyTorch。我实测下来如果你只是跑YOLO用Miniconda就够了Anaconda那几百个预装包你根本用不上还拖慢环境解析速度。# 下载Miniconda后执行 conda create -n seatbelt python3.10 -y conda activate seatbelt # 安装PyTorch根据你的CUDA版本选 # CUDA 11.8 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 安装ultralytics pip install ultralytics # 验证 yolo checksyolo checks会输出你的环境信息重点看CUDA是否可用。如果显示CUDA:0 (NVIDIA V100)之类的说明GPU能用。如果显示CPU检查驱动和CUDA版本。提示YOLOv8对PyTorch版本不挑2.0以上都行。但如果你要用YOLOv11或更新的版本建议PyTorch 2.1。别用conda install pytorchconda的源更新慢经常装到旧版本。3.2 数据集目录结构怎么组织YOLO训练要求特定的目录结构。拿到8400张图后按下面这样组织seatbelt_dataset/ ├── images/ │ ├── train/ # 约6720张 │ ├── val/ # 约840张 │ └── test/ # 约840张 ├── labels/ │ ├── train/ # 对应的txt │ ├── val/ │ └── test/ └── data.yamldata.yaml内容path: /path/to/seatbelt_dataset train: images/train val: images/val test: images/test names: 0: seatbelt 1: no_seatbelt如果你拿到的是三分类names里加一行2: uncertain。划分数据集时千万别随机分。要按场景分比如白天训练、夜间验证或者不同相机型号分开。随机分会导致验证集和训练集场景高度重叠评估结果虚高。3.3 训练参数怎么设才不翻车YOLOv8的训练命令很简单yolo detect train \ dataseatbelt_dataset/data.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ workers4 \ patience20 \ optimizerAdamW \ lr00.001 \ lrf0.01 \ cls0.5 \ box7.5 \ dfl1.5逐个解释关键参数modelyolov8s.pt用small版本。n版本太快但精度低m/l版本精度高但训练慢。8400张图s版本是甜点。imgsz640输入分辨率。安全带目标小理论上用1280更好但显存翻倍。V100 16G可以跑640 batch161280只能跑batch4。patience2020个epoch验证指标不提升就早停。防止过拟合。cls0.5分类损失权重。默认0.5如果正负样本不平衡可以调到1.0。box7.5边界框损失权重。默认7.5安全带框小可以适当降低到5.0让模型更关注分类。训练过程中重点看metrics/mAP50(B)和metrics/mAP50-95(B)。安全带检测的mAP50能到0.85以上就算不错mAP50-95能到0.6以上算优秀。3.4 训练完怎么评估模型好不好训练结束后runs/detect/train/目录下有confusion_matrix.png和results.png。重点看混淆矩阵如果seatbelt被误判为no_seatbelt的比例高说明模型对安全带的特征学习不足需要增加正样本或调整cls权重。如果no_seatbelt被误判为seatbelt的比例高说明模型把深色衣服褶皱当成了安全带需要增加负样本的多样性。还可以用yolo detect val命令单独跑验证集输出每个类别的P、R、mAPyolo detect val \ modelruns/detect/train/weights/best.pt \ dataseatbelt_dataset/data.yaml \ splitval \ save_jsonTruesave_jsonTrue会输出COCO格式的评估结果方便和其他模型对比。4. 安全带检测的常见坑与排查技巧4.1 模型把衣服褶皱当成安全带怎么办这是最高频的问题。深色西装、条纹衬衫、斜挎包带都容易被误判。排查思路可视化误检样本用yolo detect predict跑一批误检图保存下来看。如果误检集中在某几种衣服纹理上说明训练集里这类负样本太少。增加负样本从8400张里挑出所有“未系安全带”的图再额外找一些穿深色衣服、有斜挎包的图标注为no_seatbelt。调整置信度阈值推理时把conf从0.25调到0.4能过滤掉一部分低置信度的误检。但会降低召回率需要权衡。用分割代替检测如果误检率始终降不下来考虑用YOLOv8-seg做实例分割把安全带区域精确分割出来而不是用边界框。分割对纹理的区分能力更强。提示我试过在训练时加入copy_paste增强把安全带区域复制粘贴到不同衣服上对降低误检有帮助。但要注意粘贴后的边界融合否则会出现明显的拼接痕迹。4.2 夜间和逆光场景漏检严重安全带检测在夜间和逆光下的表现普遍差。原因很简单训练集里这类场景的样本少而且夜间图像的信噪比低安全带的边缘特征被噪声淹没。解决方案数据层面如果8400张里夜间样本不足10%建议用albumentations做亮度、对比度、gamma变换模拟夜间效果。但注意模拟的夜间和真实夜间差距很大最好还是补充真实夜间数据。模型层面在YOLOv8的backbone里加入CBAM注意力模块增强对边缘特征的提取。或者用YOLOv8的rect推理模式保持长宽比避免夜间图像被过度压缩。后处理层面夜间检测结果做时序平滑。如果是视频流连续5帧里3帧检测到安全带才判定为“已系”。单帧结果不可靠。4.3 小目标检测的精度怎么提升安全带在整张图里占比很小尤其是高空卡口拍的图一辆车可能只占画面的1/10安全带就更小了。提升小目标精度的常用手段方法操作效果代价提高输入分辨率imgsz从640调到1280mAP提升5-10%显存翻倍速度减半用P2层特征修改YOLOv8配置增加P2检测头小目标召回率提升计算量增加30%切片推理把大图切成小块分别检测小目标变大推理时间成倍增加数据增强mosaic、mixup增加小目标出现频率可能引入噪声我实测下来提高输入分辨率切片推理的组合最有效。具体做法推理时把1920x1080的图切成4块960x540分别检测再合并结果。代价是推理时间变成4倍但小目标召回率能从0.6提到0.85。4.4 常见问题速查表问题现象可能原因排查方法解决措施训练loss不下降学习率太大或太小看loss曲线调整lr0试0.01和0.0001验证mAP远低于训练mAP过拟合对比训练/验证曲线增加数据增强加dropout推理速度慢模型太大或imgsz太高测FPS换n版本降imgsz某些类别完全检测不到类别样本太少看混淆矩阵过采样或合成样本框的位置偏移大标注质量差可视化标注重新标注或清洗模型只检测大目标小目标样本少统计目标尺寸分布切片推理或P2层5. 从8400张到实际落地还差什么5.1 数据增强不是万能药很多人拿到8400张图第一反应是“太少了我要增强到84000张”。但数据增强有个铁律增强不能创造信息只能改变信息的呈现方式。你把一张白天图调暗成夜间模型学到的还是白天图的纹理只是亮度变了。真正的夜间图有噪点、有光晕、有运动模糊这些增强模拟不出来。我的建议是8400张里如果场景覆盖够广直接训练就行。增强只做基础的翻转、缩放、色彩抖动。mosaic和mixup可以开但概率别太高0.5左右。如果场景覆盖不够优先补数据而不是增强。5.2 模型微调崩了怎么救微调崩了通常表现为训练几个epoch后loss突然飙升或者mAP断崖式下跌。原因一般是学习率太大或者预训练模型和你的数据差异太大。救法冻结backbone前10个epoch只训练检测头freeze10。等检测头稳定了再解冻全部。降低学习率lr0从0.001降到0.0001lrf从0.01降到0.001。用余弦退火cos_lrTrue让学习率平滑下降避免震荡。检查数据如果标注文件里有坐标超出0-1范围的或者类别id写错的也会导致训练崩溃。用脚本扫一遍所有txt文件。import os def check_labels(label_dir): for txt_file in os.listdir(label_dir): if not txt_file.endswith(.txt): continue with open(os.path.join(label_dir, txt_file)) as f: for line_num, line in enumerate(f, 1): parts line.strip().split() if len(parts) ! 5: print(f{txt_file}:{line_num} 格式错误) continue cls_id int(parts[0]) coords [float(x) for x in parts[1:]] if any(c 0 or c 1 for c in coords): print(f{txt_file}:{line_num} 坐标越界) if cls_id not in [0, 1, 2]: print(f{txt_file}:{line_num} 类别id异常)5.3 部署时的量化与加速训练完的best.pt模型在服务器上跑没问题但要部署到边缘设备如Jetson Nano、瑞芯微RK3588需要做量化。ONNX导出yolo export modelbest.pt formatonnx opset12TensorRT加速yolo export modelbest.pt formatengine halfTrueFP16量化速度提升2-3倍。INT8量化需要校准集精度损失约1-2% mAP速度再提升1.5倍。注意量化后的模型置信度阈值需要重新调。FP16和INT8的输出的置信度分布和FP32不一样直接沿用0.25的阈值可能导致大量漏检。5.4 业务层面的后处理规则模型输出的是“框”业务需要的是“这辆车是否违规”。中间需要一套后处理规则车辆检测先用YOLO检测车辆确定车辆位置。驾驶员定位在车辆框内根据先验知识定位驾驶员区域国内主驾在车辆左侧。安全带判定在驾驶员区域内检测安全带。如果检测到seatbelt且置信度0.5判定为“已系”如果检测到no_seatbelt且置信度0.5判定为“未系”如果两者都没检测到判定为“无法判断”。时序平滑如果是视频连续N帧结果一致才输出最终判定。这套规则看起来简单但实际调起来很琐碎。比如车辆框和驾驶员框的IoU阈值设多少置信度阈值设多少都需要根据实际数据调。6. 关于这套数据集的一些个人体会我前后用过三套安全带检测数据集这套8400张的规模属于中等偏上。它的价值不在于数量而在于标注格式规范、场景覆盖相对均衡。如果你拿到手我建议先花半天时间做三件事统计类别分布、可视化100张标注图、跑一遍YOLOv8n的baseline。这三件事做完你对这套数据的脾气就摸清了。另外安全带检测这个任务单靠2D图像很难做到100%准确。深色安全带在深色衣服上人眼都未必分得清。所以实际落地时别追求完美把召回率放在第一位误检可以通过人工复核过滤漏检才是真正的风险。最后分享一个小技巧训练时把save_period设成10每10个epoch保存一次权重。这样即使训练后期过拟合了你还能从中间某个epoch的权重里找到最优解。我遇到过好几次最后一个epoch的mAP反而不是最高的第70个epoch的权重才是最好的。