简介面向施工现场、工厂等高危作业场景的人员着装监管需求这套基于YOLO的安全帽/反光衣/工作服自动识别数据集适合算法工程师、安防系统开发者及计算机视觉学习者用于模型训练与效果验证。数据集共2000个文件包含1999个txt格式的YOLO标注文件与1个yaml配置文件能够直接配套YOLO系列网络完成目标检测任务帮助快速构建工人是否规范穿戴的实时识别能力。压缩包大小952.16MB文件命名清晰、便于划分训练集与验证集。目前已有1591人浏览学习资料热度良好。通过该数据集用户可省去自行采集和标注现场图像的繁琐过程获得现成的正负样本与类别配置进而专注优化检测精度、误报率等关键指标也可结合opencv对监控画面进行实时告警与抓拍联动为工地、工厂的安全信息化管理提供数据支撑。 经常有施工方拿着网上免费下的权重文件对着自家工地摄像头一跑满怀期待地看着屏幕上刷出安全帽框结果要么工人光着头从画面里走过去毫无反应要么把现场临时堆的黄色圆形告示牌识别成了安全帽。这是基于YOLO做安全帽/反光衣/工作服自动识别项目里最普遍的开局。原因不复杂模型没有见过你的工地你也没有一套符合自己场景的数据集。这篇博文的价值在于我会把这类项目的完整链路复盘一遍从为什么数据集比模型更重要到怎么采集、标注、训练、部署再到上线后如何持续迭代全部按实际项目中踩过的坑来讲。目标读者是正准备在工地上落地安全穿戴识别系统或者已经跑通Demo但效果迟迟不达标的团队。看完之后你至少能知道问题出在哪个环节以及该往哪个方向砸资源。1. 为什么工人没戴安全帽你的模型看不见1.1 公开数据集训练出来的模型离真实工地差多少每次做这类项目第一反应都是去搜现成的数据集。公开渠道确实能下到不少施工安全相关数据比如 SHWD、CCD 这类安全帽检测数据集还有零散的反光衣数据。看起来省事但用起来有三个非常现实的问题。第一是类别覆盖不全。多数公开数据集只标了安全帽反光衣、工作服几乎没有就算有带反光衣类别的样本量也少得可怜。你可能辛辛苦苦训出来一个模型现场跑一圈发现它对反光衣完全没有召回等于白干一半。第二是场景偏移严重。公开数据集的拍摄机位、镜头高度、工地光照环境跟你的现场不一样。模型学到的是某个固定视角下头顶有个硬壳一旦换成俯视机位、逆光环境、远景模糊识别率直接掉一个档次。这个现象业内叫数据集漂移翻译成大白话就是模型在别人家工地学的东西到你这里要打折扣。第三是类别分布天然不平衡。反光衣样本在公开集里的占比小安全帽样本多模型会把更多学习能力分配给多数类。最后的结果往往是安全帽检测效果还凑合反光衣和工作服全线拉胯。所以我的结论很直接公开数据集只配用来做预训练或者链路调试真正要用的数据集必须围绕自己的工地场景构建。1.2 识别任务拆解三类目标、两种状态的组合安全帽、反光衣、工作服这三个类别表面上是检测三类物体实际是检测对象穿戴状态的组合问题。安全帽要判断戴/未戴反光衣和工作服要判断穿/未穿。标注策略上有两种常见做法。第一种是把人头当作检测主体标注成 head_with_helmet 和 head_without_helmet 两类第二种是先检测人再在人的框内判断有没有戴帽穿衣。我实际项目里更偏向第一种因为头部的 bounding box 定位更明确后续告警可以直接精确到某个具体的人没有戴安全帽而不是笼统的画面里存在违规者。这里要提醒一个容易忽略的点组合状态。一个人戴了安全帽但没穿反光衣同样属于违规所以模型的输出不是终点业务层需要拿三类检测结果做规则联动。比如在某个 ROI 区域内先判断是否检测到未戴帽的人头再判断同一位置的人是否穿了反光衣组合起来才是一条完整的告警逻辑。把这类判定全部塞给模型去做会让训练难度和误报率同时飙升不划算。2. 数据集构建的完整链路从素材采集到标注规范2.1 场景采集怎么拍才有效时段、机位、距离与样本量自建数据集的核心是覆盖运行时真实会出现的情况而不是把所有样本拍得清一色。时段上白天、黄昏、夜晚、阴天、雨天、逆光都要有。尤其是夜班场景反光衣的反光条纹会刺眼发亮普通棉布衣服在这种光线下很容易被误检成反光衣必须在数据集里加入真实反光状态的正样本和负样本。机位上出入口闸机的俯视角度、巡逻人员手持设备的平视角度、塔吊附近的高空俯视角度至少覆盖两到三种否则模型只会在单一视角下表现好。距离维度最容易被忽略。一个工地摄像头画面里远端的工人可能只有十几像素高近处的工人占到画面三分之一这两种尺寸的样本如果比例失衡模型对远距离小目标的召回率会非常难看。我的经验是视频抽帧采集时人为按远、中、近三个层次筛选保留不让某一类尺寸霸占整个数据集。样本量怎么定如果只覆盖一个固定工地的固定机位3000 张左右的抽帧图能跑初版如果要做能泛化到多个工地的通用模型建议往 10000 张以上走每个类别至少要有 1500 个标注实例。实际操作里让工人正常走两个班次用摄像头录像并按每秒 1 帧抽帧一天就能抽几千张但需要做一步很有必要的工作——去重把画面几乎相同的帧删掉否则模型会对固定背景过拟合换一个区域就失灵。2.2 标注规范的实操细节类别定义、边界处理与质量审核标注工具我常用 LabelImg 和 X-AnyLabeling。LabelImg 上手快但 X-AnyLabeling 支持深度学习预标注导出一版初标后再人工修正效率至少提升一倍。标注格式直接输出 YOLO 的 txt 即可。边界情况的标注规范直接决定模型上限这几条是我吃过亏之后总结出来的半遮挡目标也要标。安全帽被脚手架挡了一半、人被栏杆挡住半身这些都要标出来标注原则是框出可见部分的主体区域不追求完整轮廓。小目标必须标。远景里只有几个像素大小的人头同样要标。模型在没有小目标样本的训练集里根本学不会小目标特征。夜晚的反光衣只看到两条亮带也要标。这种看起来不完整的样本恰恰是现场最难识别的漏掉它们模型在夜间就废了。同一个工人连续出现在多帧里框的位置和大小要尽量保持一致不要忽大忽小否则会引入大量标注噪声。质量审核一定要有。我的做法是至少抽 10% 的已标注图让第二名标注员重新标一遍用 IoU 对比两版结果不一致的地方聚中讨论修正。很多人省略了这一步但标注噪声超过 5% 时模型 AP 的下降会非常明显这是不争的事实。3. 训练前的关键决策环境选型与yaml配置3.1 AMD显卡到底能不能跑YOLO训练我的建议项目关键词里好几个人在问 AMD 显卡能不能跑 YOLORX580 这种卡被反复提及。我直接说结论训练阶段尽量别用 AMD 卡。原因不在显卡计算能力而在生态。PyTorch 在 AMD 显卡上的训练支持走 ROCm但在 Windows 下支持极差驱动、库环境、编译链每一步都可能出问题。网上那些绕过 CUDA 让 AMD 跑 PyTorch 训练的偏方我试过折腾时间足够把数据再多标一轮。这里不展开技术细节只给实际可行的方案。需求推荐路径理由训练模型租云GPU 或使用 NVIDIA 卡CUDA 生态成熟开箱即用按小时计费成本可控本地 CPU 小规模训练YOLOv8n 640 分辨率 batch 4能验证链路速度慢但可行AMD 显卡推理ONNX Runtime DirectML 后端不依赖 CUDA部署简单640 分辨率实时性可接受NVIDIA 显卡推理TensorRT 量化转 INT8速度提升明显适合多路视频并发实测下来AMD 显卡在推理侧完全可以撑住业务。把训练好的模型导出成 ONNX用 DirectML 后端跑 RX580640 分辨率做监控视频流分析没有问题。但如果你想让 AMD 卡跑 PyTorch 训练我劝你冷静把时间花在更有价值的事情上。3.2 数据集yaml的正确写法与路径坑Ultralytics YOLO 的配置不算复杂但有几个隐藏要求会让新手栽得无声无息。数据集配置文件长这样path: /data/helmet_project train: images/train val: images/val names: 0: head_with_helmet 1: head_without_helmet 2: person_with_reflective 3: person_without_reflective 4: person_with_uniform 5: person_without_uniform容易出问题的点我按踩坑频率排序path 字段建议写绝对路径。相对路径在不是从固定目录启动训练时大概率会定位错报错信息又模棱两可。目录名和类别名不要用中文。中文路径在 Windows 下会导致数据集加载失败中文类别名在部分部署框架里会编码异常。标注 txt 每行格式是 class x_center y_center width height坐标必须是归一化后的 0 到 1 之间的值。很多人从标注工具导出时框坐标是原图像素值忘了除以宽高训练时 loss 直接异常。验证集划分不要随机打散。如果同一个工地的画面既出现在训练集又出现在验证集评估结果会虚高现场表现一测就露馅。正确做法是按时段或机位切分让验证集来自模型没见过的场景片段。另外三个类别不建议全部塞进一个模型。我常用的方案是两个模型并联一个安全帽检测模型处理 head_with_helmet / head_without_helmet一个着装检测模型处理反光衣和工作服。类别少了每个类的样本量更容易做平衡数据标注难度也低不少。等项目跑通后再考虑是否用知识蒸馏合并成一个模型。4. 训练结果不理想的排查思路与优化策略4.1 漏检、误检的典型根因与完整排查链路经常有人拿着训练日志说mAP 0.8 了为什么现场还是不行。mAP 高不等于能用这是很多项目的幻觉。我建议遇到问题不要急着加数据先按下面这条链路逐层排查。第一步打开每个类别的 PR 曲线别看平均 mAP。多数类会把均值拉高少数类可能惨不忍睹。如果 person_without_reflective 的 PR 曲线在召回率 0.5 之后就掉了问题大概率是这类样本数量不足或者特征不清晰。第二步把预测结果按置信度从低到高打印一批批图像找出错误密度最高的帧。如果错误集中在一帧画面里多个目标同时漏检可能是这帧的场景模式在训练集里没见过比如新出现的蓝色防尘网背景如果是单个目标漏检更多是目标尺寸或者遮挡方式的问题。第三步统计误检类型。我项目里最常见的误检是反光衣和普通亮色衣服混淆尤其夏天工人穿亮黄色防晒衣模型很容易当成反光衣。遇到这种情况别急着调阈值而是去收集难负样本也就是看起来像反光衣但不是反光衣的图片放进负样本池让模型学会拒绝。第四步回到数据层面对照。比如发现夜班漏检率远高于白天直接去统计训练集中夜晚场景的占比。如果夜晚图只占 5%那这个分布显然不合理补数据的优先级就非常明确。4.2 小目标、遮挡与类别不均衡的针对性优化如果漏检集中在小目标上最直接有效的办法是提高输入分辨率。YOLO 默认的训练分辨率是 640当画面里的人头只有十来个像素时640 输入下目标信息几乎丢光模型根本没法学。调到 960 或 1280 后小目标的 AP 提升立竿见影代价是显存占用和推理耗时上升。显存不够的时候可以适当下调 batch但尽量别把分辨率降到 512 以下。遮挡问题靠数据增强解决。YOLO 自带的 Mosaic 增强会把四张图拼成一张天然制造跨目标和背景混杂的场景对提升鲁棒性帮助很大。如果预算允许加一点 Copy-Paste 增强把不同图像里的目标拼贴到同一张图对提升目标遮挡场景的召回率也有帮助。类别不均衡的处理顺序我建议先做重采样再考虑改损失函数。重采样就是少数类样本多复制、多数类适当降采样简单直接。如果重采样还不够再考虑在损失函数里给少数类加权重但这一步会让训练调参复杂很多普通项目性价比不高。另外提一句 YOLO 的损失函数由 box loss、cls loss、dfl loss 三部分组成实际调优时大多数人只动前两个的权重分配很少有人真去细扣每个分组收益有限不要被论文里那些精妙的公式带偏。最后分享一个实测数据一个单工地项目初版模型 mAP 0.65现场漏检惨烈之后把数据量从 3000 张扩到 10000 张分辨率从 640 提到 960非均匀调整各类别样本占比后模型在独立验证集上 mAP 到 0.87现场效果基本可用。这个过程里数据扩充带来的收益明显高于调参。5. 从模型到现场部署与上线后的持续反馈5.1 推理性能与落地方式怎么选模型训练完之后落地性能取决于推理引擎和业务调度策略而不仅仅是模型本身。推理引擎选择上NVIDIA 显卡环境直接考虑 TensorRT 量化INT8 精度掉得不多但吞吐量提升非常明显适合多路摄像头并发AMD 显卡环境用 ONNX Runtime 的 DirectML 后端部署简单不需要特殊驱动配置纯 CPU 环境可以用 OpenVINO特别是 Intel 平台也能跑出可用的实时性。现在很多框架提供一键部署脚本但我的建议是你先手动把流程走一遍理解每一步在做什么再上自动化脚本否则出问题的时候连从哪查起都不知道。业务告警逻辑一定要放在模型上层。模型输出的是每帧的检测框和置信度如果直接把单帧告警推给现场安全员误报率会高到让人崩溃。我实际使用的策略是设置置信度阈值和 ROI 区域只在指定区域判定是否存在未戴安全帽目标连续 N 帧检测到同一违规目标才触发告警对同一目标做去重避免重复推送。这套简单策略可以把误报率降到可以接受的水平。部署时的模型大小选择也有讲究。YOLOv8s 和 YOLOv8n 在工地现场是常用起点前者精度更高后者速度更快。对于摄像头数量多、GPU 资源紧张的场景先用 n 型号跑起来再根据实际质检结果决定要不要切到更大模型。别一上来就用 yolov8l 甚至 x显存占用和推理延迟会直接劝退。5.2 上线前的边界测试与部署后的数据回流闭环上线前一定要做边界测试。找一段连续几天的工地录像特别是包含雨天、夜班、逆光这几个环节的视频让模型完整跑一遍把误报和漏报都记录下来。这一步能暴露很多训练集里没有的现场情况比如雨天摄像头玻璃上的水珠、夜间强光灯直射镜头导致的过曝这些都会让模型输出异常。真正让项目变好的是上线后的数据回流闭环。系统每天会产生大量疑似违规截图需要人工审核并反馈把误报和漏报积累下来。每周做一次筛选整理把新采集的现场帧和难例补充到数据集中当新增样本量积累到几千张时按固定流程跑一轮增量训练替换线上权重。我见过太多团队把数据集当成一次性资产标注完、训练完就扔了完全忽略模型上线后还在犯错、现场环境还在变化这件事。工地隔段时间就会换防尘布、搭新脚手架、增加夜间抢工不回流数据模型一定会逐步掉点。还有一点必须强调工地摄像头画面涉及人员形象和个人信息采集、标注、存储过程要做好脱敏和权限控制现场数据不要随意公开含有人像的画面更不能外传。最后分享一个经验千万不要一开始就贪多求全想着把安全帽、反光衣、工作服全部铺开一次性标注一万张图。先拿一小批公开数据加上几百张自建图把训练、部署、告警整条链路跑通再边上线边扩充数据。链路跑通之后数据量扩大的速度会比你想象中快得多。我在几个项目里都观察到了同样的规律数据量从 2000 张涨到 10000 张的过程里模型对现场新环境的适应能力提升比反复调 YOLO 的任何超参数都明显。数据闭环转起来的那一刻才算这个项目真正开始。本文还有配套的精品资源点击获取