铁路工人安全穿戴检测数据集固定高空视角 · YOLO 数据集概览• 采集方式固定高空相机 无人机变焦镜头多角度30° / 45° / 60°航拍铁路作业现场• 图片总量3,222 张RGB 实拍• 标注状态全部已标注即拿即用• 数据格式YOLO 格式.txt 标签与图片一一对应• 总规模数据量适中兼顾存储与训练效果️ 检测类别3 类类别 ID 英文 中文 框数参考公开数据集统计0 vest 反光衣高可视性防护服 7,8831 helmet 安全帽硬质头戴防护 6,5152 worker 铁路工人person 7,973数据覆盖多种光照条件与复杂铁路场景铁轨背景、设备遮挡、工人姿态多变专门用于安全穿戴合规性自动检测。 数据划分总规模3,222 张├── train/ 2,577 张 ██████████████████ 80%└── val/ 645 张 ██████ 20% 该划分与公开Railroad Worker Detection Dataset规模完全一致25776453222。若参考浙江大学期刊网发表的同类研究原论文采用 8:1:1 划分训练 2578 / 验证 322 / 测试 322本卡片采用用户指定的 8:2 训练/验证划分更适合不需要独立测试集的快速迭代训练。 适用场景方向 具体应用铁路安全巡检 固定摄像头 / 无人机自动识别作业人员穿戴合规性智慧工地 边缘盒子实时检测未戴安全帽 / 未穿反光衣自动报警目标检测研究 高空俯视角、小目标安全帽、遮挡场景、类间重叠人-衣-帽等典型难题毕业设计 / 科研 基于 YOLOv5/v7/v8/v11 的改进网络验证基准数据集 数据特点与研究价值• 固定视角一致性减少高度变化导致的目标尺度差异提升模型收敛稳定性• 多角度覆盖30°/45°/60° 模拟真实巡检观测增强视角鲁棒性• 小目标挑战高空俯拍下安全帽目标像素占比小是检验小目标检测算法的理想基准• 遮挡场景丰富部分遮挡样本占比较高反光衣约 16.56%安全帽约 14.02%• 合规判定友好标注粒度精确到是否正确穿戴可直接服务于安全预警系统 目录结构RailwayWorkerDetection/├── train/│ ├── images/ # 2,577 张 .jpg│ └── labels/ # 2,577 个 .txtYOLO 格式├── valid/│ ├── images/ # 645 张 .jpg│ └── labels/ # 645 个 .txt└── data.yaml # YOLO 配置文件data.yaml 示例path: ./RailwayWorkerDetectiontrain: train/imagesval: valid/imagesnc: 3names: [‘vest’, ‘helmet’, ‘worker’] 快速上手YOLOv8 训练yolo detect traindatadata.yamlmodelyolov8s.ptimgsz640batch16epochs100namerailway_worker_det推理yolo detect predictmodelruns/detect/railway_worker_det/weights/best.ptsourcetest.jpgconf0.4⚙️ 训练建议 针对高空视角 小目标特性建议如下配置• 输入分辨率imgsz640 或 imgsz800高空下安全帽目标偏小更大分辨率有助于召回• 模型选择推荐 yolov8-s/m 或 yolov11n兼顾精度与边缘部署速度• 数据增强开启 Mosaic、随机缩放、水平翻转可加入 ECA 注意力机制据论文报道可将 mAP50-95 提升至 0.671较基线 YOLOv5 提升 2.4%• 类别不平衡helmet 与 worker 框数接近vest 略少正常训练即可若 recall 偏低可对 helmet 类做针对性过采样• 遮挡处理建议在 Neck 部分引入注意力模块抑制铁轨背景干扰️ 附加服务可选• ✅ 训练代码完整 YOLOv5/v8/v11 训练脚本 环境配置说明• ✅ 检测界面PyQt / Gradio 可视化界面支持图片 / 视频 / 实时 RTSP 摄像头流• ✅ 边缘部署提供 ONNX / TensorRT 导出适配海康、大华等 IPC 摄像头边缘盒子• ✅ 定制服务可增加未戴安全帽、未穿反光衣的违规判定标签或扩充夜间、雨雾天气样本⚠️ 注意事项• 本数据集为虚拟资料图片来自真实铁路作业场景仅限学术研究 / 算法验证 / 毕业设计使用• 若用于实际铁路安全生产系统建议补充贵局所辖线路的实地采集数据做微调以提升落地泛化性• 高空俯视角下 person 与 vest 存在天然重叠训练时可考虑加入穿戴关系约束后处理如检测到 worker 但未检测到 helmet → 触发报警 细节可私聊• 可先发送样例图 标注可视化预览• 支持格式互转YOLO ↔ VOC ↔ COCO• 支持重新划分训练/验证/测试集比例如 8:1:1让 AI 盯紧每一顶安全帽、每一件反光衣守护铁路作业者的生命线。