1. 项目概述:安全作业行为检测数据集解析
这个数据集聚焦于工业场景下的安全作业行为识别,包含"工作服穿戴状态"、"头盔佩戴情况"、"行人位置"以及"吸烟行为"四大检测目标。数据集采用YOLO可识别的XML标注格式,总量约3000张图像,配套提供格式转换脚本。这类数据在智慧工地、工厂巡检等场景具有重要应用价值,能有效辅助安全监管系统识别违规行为。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集核心价值与应用场景
2.1 工业安全监管痛点解决
传统人工巡检存在效率低、漏检率高的问题。该数据集针对以下典型场景:
- 施工区域未着工作服人员识别
- 高空作业未佩戴安全帽检测
- 禁烟区域吸烟行为捕捉
- 危险区域人员闯入预警
2.2 数据构成特点
数据集包含白天/夜间、不同天气条件下的采集样本,确保模型鲁棒性。标注文件采用PASCAL VOC格式,可直接用于YOLO系列模型训练。特别包含以下难点样本:
- 遮挡情况下的工作服识别
- 低光照环境头盔检测
- 远距离小目标吸烟行为
3. 数据标注规范与技术细节
3.1 标注标准详解
采用四点标注法(xmin,ymin,xmax,ymax)定义目标框,标注规范包括:
xml复制<object>
<name>helmet</name>
<bndbox>
<xmin>256</xmin>
<ymin>189</ymin>
<xmax>302</xmax>
<ymax>235</ymax>
</bndbox>
</object>
3.2 类别定义与特殊情况处理
定义四类检测目标:
- workwear_normal/workwear_abnormal
- helmet_on/helmet_off
- pedestrian
- smoking
对于模糊样本采用三级审核机制,争议样本单独存放于review目录。
4. 数据转换与预处理方案
4.1 XML转YOLO格式脚本解析
配套Python转换脚本主要功能:
python复制def voc2yolo(xml_path, class_dict):
# 解析XML获取标注信息
# 坐标归一化处理
# 生成YOLO格式txt文件
关
