简介建筑工地安全目标检测数据集聚焦建筑施工现场的安全合规识别面向目标检测开发者、工业安防算法工程师及计算机视觉研究人员可用于安全帽、反光背心、防护靴等装备佩戴检测以及未戴安全帽、未佩戴口罩、未穿安全背心等违规行为的自动识别。数据采集自真实工地监控画面共600张图片按训练集426张、验证集117张、测试集57张划分标注YOLO格式边界框与类别覆盖8个关键类别整体适配YOLOv5、YOLOv8等主流框架。资源包内共1202个文件含600张jpg图片、600个txt标注文件、1个yaml配置文件和1个docx说明文档压缩后约37.43MB目录规整便于直接训练与二次开发。目前已有264人学习适合用来快速搭建工地安全监控模型、开展安全违规检测算法验证也能作为企业安全培训与算法教学的示例数据。1. 建筑工地安全目标检测数据集.zip这到底是个“软件”还是“素材包”打开这个压缩包之前先给一个反直觉的结论建筑工地安全目标检测数据集.zip基本不包含任何可运行的代码它是一堆已经拍好的现场图片外加对应的标注文件。你需要自己承担“把标注喂给检测框架”的后续工作。很多第一次接触数据集包的人解压之后对着几百兆的图片一脸懵以为缺了主程序其实主程序本来就不在里面。这个zip能解决的问题很直接工地上的安全帽佩戴、反光衣穿戴、人员违规闯入等场景靠人盯监控不现实目标检测模型就可以在视频流里实时框出“没戴安全帽的人”。对算法工程师、安防方案集成商以及所有准备在工地视觉方向做验证的人来说这套数据是训练和评测的基础。它值不值得用取决于三件事标注格式你认不认、类别设计合不合理、数据划分你能不能复现。下面按实际落地的顺序把每一层拆开讲。2. 打开压缩包先做结构审查目录层级、标注格式与类别规范2.1 目录层级与文件命名先看根目录再看子目录拿到任何数据集包我一般不会先解压而是先压缩软件里看根目录。常见做法是根目录下只有images和annotations两个文件夹名字也可能是JPEGImages和labels。如果有README或classes.txt那这个包的制作者还算用心如果只有一堆散落的图片和XML你就得自己花时间建结构。解压后第一步用tree命令或者文件管理器看层级重点关注三点图片和标注是否一一对应、文件名是否有空格或中文字符、有没有划分好的train/val目录。命令行动作用bashunzip 建筑工地安全目标检测数据集.zip -d ./site_safety cd ./site_safety tree -L 2参数说明-d指定解压目标目录避免文件直接铺满当前目录tree -L 2只看两层结构防止输出刷屏。如果系统没有tree可以用find . -maxdepth 2 -type d替代。这一看就能判断后续要不要做格式整理花五分钟省半小时。2.2 标注格式选型VOC XML、COCO JSON、YOLO TXT的区别目标检测数据集的核心是标注格式格式决定你后面用哪个框架顺手。这个领域最常见的三种格式我把选型理由和边界整理在下面格式文件形态适合场景主要坑VOC XML每张图一个XML文件小团队可视化审查、用LabelImg二次标注XML字段冗余解析慢坐标是绝对坐标COCO JSON整个数据集一个JSON大规模管理、跨框架复用、做统一统计修改麻烦标注错位排查困难YOLO TXT每张图一个TXT直接进YOLO系列训练坐标是归一化的肉眼没法直接看判断你手上这套数据的格式看annotations文件夹结尾是.xml还是.json或者labels文件夹里是不是.txt。如果同一份数据同时出现多个格式以classes.txt里写的类别顺序为准因为YOLO TXT里的类别ID是按classes.txt的行号编码的行号对不上训练出来的模型就全乱了。2.3 类别设计的合理性安全帽、反光衣和“负类”工地安全检测的类别设计直接决定模型的可用性。一个合格的数据集类别通常不会只有“person”和“helmet”两类。常见的类别设计包括hard-hat安全帽、reflective-vest反光衣、person人员、no-hard-hat没戴安全帽的人。这里有个容易被新手忽略的设计点很多数据集把“没戴安全帽的人”也单独列为类别而不是只标“安全帽”。这样做的好处是训练时模型既要学会识别“有帽子”的正样本也要学会识别“没帽子”的反例推理时直接输出违规目标。如果你的包里面没有no-hard-hat这个类别训练时就要用“person区域减去被hard-hat覆盖的区域”做后处理或者干脆把未戴帽人员标为负样本单独做一次分类。这种方案也能跑但在现场精度和召回率往往不如直接列负类的版本。3. 校验与数据划分把原始素材变成可复现的训练集3.1 图片-标签一致性校验漏标和错位是最隐蔽的雷解压后最该做的不是急着训练而是校验图片和标注是不是一一对应。工地数据集常见的问题包括某张图有XML但没JPEG、图片文件名和XML文件名前缀不一致、XML里的filename字段写错了但实际文件名是对的。这些错位问题在训练时表现为“警告未找到图像”严重时导致训练中途崩溃。我用一段Python做基础校验逻辑是比对文件名集合再抽查XML里的实际框坐标是否超出图片尺寸import os from xml.etree import ElementTree as ET from PIL import Image img_dir ./site_safety/images ann_dir ./site_safety/annotations imgs {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith((.jpg, .jpeg, .png))} anns {os.path.splitext(f)[0] for f in os.listdir(ann_dir) if f.endswith(.xml)} print(缺标注的图片:, len(imgs - anns)) print(无图片的标注:, len(anns - imgs)) # 抽查前20个XML检查坐标是否越界 for name in sorted(anns)[:20]: tree ET.parse(os.path.join(ann_dir, name .xml)) for obj in tree.findall(object): box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) with Image.open(os.path.join(img_dir, name .jpg)) as im: w, h im.size if xmax w or ymax h or xmin 0 or ymin 0: print(f越界: {name} - {xmin},{ymin},{xmax},{ymax}, 图尺寸 {w}x{h})逻辑说明第一段用集合差找出缺失文件第二段抽查前20个XML把标注框解析出来和图片实际尺寸比对。PIL的作用是读取图片宽高ElementTree解析XML。这段代码在遇到标注问题时能迅速定位是哪个文件、越界了多少不会让你在训练日志里大海捞针。3.2 划分train/val/test随机分割也要讲究直接整包丢进训练脚本是个高频翻车行为。工地数据集的拍摄时间、天气、角度往往集中在同一时段如果不打乱直接按目录顺序划分训练集和验证集可能高度同源val指标好看但现场一测就掉点。我一般做法是按文件名哈希或随机数分割但固定随机种子保证可复现。import os import random import shutil random.seed(42) # 固定种子复现每次划分 img_dir ./site_safety/images train_dir, val_dir, test_dir ./data/images/train, ./data/images/val, ./data/images/test for d in [train_dir, val_dir, test_dir]: os.makedirs(d, exist_okTrue) files [f for f in os.listdir(img_dir) if f.endswith(.jpg)] random.shuffle(files) n len(files) train_files files[:int(n * 0.7)] val_files files[int(n * 0.7):int(n * 0.85)] test_files files[int(n * 0.85):] for f in train_files: shutil.copy(os.path.join(img_dir, f), os.path.join(train_dir, f)) # val/test 同理逻辑说明先打乱文件列表再切三份这样同一个工地的连续帧不会全挤在训练集里。测试集单独留出来很重要因为验证集在训练过程中会被用来调参测试集是你最后评估模型用的碰都不能碰。比例我习惯用7:1.5:1.5如果你这套包本身已经带了划分好的目录就不需要再做这步但至少要把val里是否混入训练集做一次查重用文件名做交集即可。3.3 把VOC XML转成YOLO TXT坐标换算与类别映射如果你想用Ultralytics YOLO系列来训练现在yolov8训练自己的数据集已经是主流路线就得把VOC XML转成YOLO TXT。这个步骤的坑在于坐标需要换算成归一化值而且类别ID必须和类别列表的行号一致。import os from xml.etree import ElementTree as ET classes [hard-hat, reflective-vest, person, no-hard-hat] # 以classes.txt为准 def convert(xml_file, out_file): tree ET.parse(xml_file) root tree.getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in classes: continue # 过滤未知类别防止训练崩溃 cls_id classes.index(name) box obj.find(bndbox) xmin float(box.find(xmin).text) xmax float(box.find(xmax).text) ymin float(box.find(ymin).text) ymax float(box.find(ymax).text) x_c ((xmin xmax) / 2) / w y_c ((ymin ymax) / 2) / h ww (xmax - xmin) / w hh (ymax - ymin) / h lines.append(f{cls_id} {x_c:.6f} {y_c:.6f} {ww:.6f} {hh:.6f}) with open(out_file, w) as f: f.write(\n.join(lines)) xml_dir ./site_safety/annotations out_dir ./site_safety/labels os.makedirs(out_dir, exist_okTrue) for xml in os.listdir(xml_dir): if xml.endswith(.xml): convert(os.path.join(xml_dir, xml), os.path.join(out_dir, xml.replace(.xml, .txt)))逻辑说明每行记录是“类别ID 中心x 中心y 宽 高”全部归一化到0~1区间。注意这段代码里if name not in classes的过滤逻辑如果你的数据集里出现了classes.txt之外的类别名比如写成了“hard hat”带空格这里会直接跳过训练时该图的标注就少了一个目标。实际处理时应该打印过滤掉的类别名确认是不是拼写错误而不是悄悄丢掉。4. 训练前置与参数设计样本尺寸、小目标增强与类别不均衡4.1 样本尺寸归一化先看分辨率分布再定训练尺寸工地监控截图的分辨率通常不统一有的来自1080P录像截帧有的是抓拍机出图尺寸参差。训练前我用Python统计一遍所有图片的分辨率分布然后决定要不要做letterbox统一。from PIL import Image import os img_dir ./site_safety/images sizes {} for f in os.listdir(img_dir): if f.endswith(.jpg): with Image.open(os.path.join(img_dir, f)) as im: w, h im.size key f{w}x{h} sizes[key] sizes.get(key, 0) 1 for size, count in sorted(sizes.items(), keylambda x: -x[1]): print(size, count)逻辑说明统计结果能直接告诉你数据集的“主流分辨率”。如果大多数是1920x1080个别是1280x720训练尺寸设640或者1280都合理如果有大量低分辨率图片混在里面建议用letterbox统一到固定尺寸而不是直接resize。letterbox会保持宽高比防止目标变形导致检测框偏移。YOLO在训练时自带letterbox处理但如果你用的是MMDetection的默认配置训练前就要想清楚输入尺寸因为尺寸不一致会导致batch训练时数据加载报错。4.2 小目标训练策略安全帽和反光衣在画面里可能只有30像素工地场景里中远距离的人头部占的面积非常小安全帽目标经常只有20到40像素宽。这对目标检测是典型的“小目标问题”。小目标在多次下采样后特征几乎消失模型学不到有效信息。常见做法有三种多尺度训练、复制粘贴增强、切图训练。Ultralytics YOLO系列里多尺度训练可以直接通过配置项实现。用yolov8训练自己的数据集时训练命令可以这样yolo train datasite.yaml modelyolov8s.pt imgsz1280 epochs150 batch16 device0,1参数说明imgsz1280是增大输入分辨率的直接方式小目标像素占比会从原来的2%提升到接近5%特征更明显device0,1指定双卡。但注意输入尺寸提高一倍显存占用涨四倍如果你的显卡只有8GB显存batch设8都够呛需要配合梯度累积或者换yolov8n这类轻量骨干。还有一种场景级的增强叫copy-paste把标注好的小目标对象随机复制粘贴到其他图片上增加其在训练中的出现频次。实操上我用一个现成Python脚本生成增强样本然后在训练配置里把增强后的图片一并纳入训练集不做在线增强因为离线增强能把边界情况控制得更明确。4.3 类别不均衡反光衣标注数量少权重怎么配工地数据集里反光衣和人员往往数量不均衡。原因很现实夏天工人可能不穿反光衣但戴安全帽因而反光衣的正样本数远少于安全帽。训练时模型会偏向多数类导致反光衣召回率极低。处理这个问题的两个常用手段重采样和损失权重。MMDetection系列可以在train_cfg里配置类别权重或者直接在数据pipeline里做上下采样。如果用Ultralytics YOLO没法直接给每个类别设损失权重但可以在训练后处理阶段做阈值调整对低召回类别降低置信度阈值提高其检出数量。这个方法在验证集上很快能看到效果但也容易误检需要配合现场实测。另一个容易被忽视的点是检查标注里是否有人体重叠严重的情况。工地人多时前景工人把后面工人的安全帽挡住标注员容易漏标后面的目标。这部分漏标数据放进训练集等于教模型“被遮挡的安全帽不算安全帽”评测时反而会觉得模型表现不错因为验证集里同样漏标了。遇到这种情况我一般会把多名工人高度遮挡的图片单独抽出做人工二次检查。5. 标注与训练的避坑实录五个真实翻车现场5.1 类别名带空格导致标签错位现象训练正常启动但跑了100个epoch后验证集mAP只有0.3远低于预期。排查发现某些目标被正确框出但类别全乱了。原因annotations里的类别名是“hard hat”而classes.txt里是“hard-hat”XML转YOLO时“hard hat”未匹配到classes被跳过或分配了错误的ID。解决写一段脚本扫描所有XML里的name字段和classes.txt做严格比对把拼写不一致的项统一替换。别试图靠训练时的容忍机制兜底它不会兜底只会悄悄降低精度。5.2 图片EXIF旋转信息导致标注坐标整体偏移现象训练时loss下降正常但推理时发现部分图片的检测框位置整体向右下方偏了。所有出问题的图片在手机或相机预览里方向正常在Python读入后旋转了90度。原因部分现场照片由手机拍摄EXIF信息里带有Orientation标记但标注软件读原始像素坐标时没有处理旋转导致标注坐标和实际像素对不上。解决在数据整理阶段用Pillow统一处理ImageOps.exif_transpose(im)后再保存把EXIF旋转物理化。处理完重新做一次标注框越界检查跑一遍3.1节的校验代码越界问题会立刻暴露。5.3 验证集与训练集同源val mAP虚高现象训练完成后val mAP高达0.9但在工地现场自拍的测试视频上检测率明显偏低。回看数据划分发现划分前没有打乱顺序前70%的图片来自同一个机位后30%也来自同一时段两者高度相似。原因数据采集时往往是连续截图相邻帧之间场景重叠率极高。按顺序切分后训练集和验证集其实共享了大量几乎相同的画面验证失去了意义。解决划分前统一打乱并且对帧连续的场景做去重。一般做法是计算相邻帧的感知哈希比如dHash相似度超过阈值的只保留一张。这样划分出来的验证集才真正反映模型在陌生场景上的表现。5.4 负样本缺失导致误检爆炸现象模型在工地现场频频把红色安全帽误检为反光衣把蓝色堆料布框成人员。训练集里几乎没有包含这类干扰物的负样本图。原因数据集包只提供了有目标的“正样本”图片没有采集“空场景”负样本。工地环境里很多物体颜色、纹理和目标高度相似模型没有见过足够多的负样本就无法学到区分边界。解决在训练集中加入负样本图片没有目标的纯背景并标注为空文件也就是每个负样本的TXT文件不写任何内容。常见做法是从原始视频里截取大量没有人员出现的画面加入数据集让模型学会抑制背景误判。5.5 遮挡严重时“未戴帽”和“被遮挡”无法区分现象后景人员头部被前景人员头盔挡住模型把“被遮挡的未戴帽人员”标为no-hard-hat又因为该人员实际没戴帽标注员也标了no-hard-hat看起来模型很准但现场有人戴帽却被前景遮挡时模型反而报违规。原因只有边界框标注没有可见性标注模型只能学“这个位置是否有目标”无法区分“目标不可见”和“目标确实违规”。解决遇到这种场景要么在数据集中加入遮挡程度标签做两级分类要么在推理后处理阶段加入逻辑当no-hard-hat的检测框与hard-hat的检测框高度重叠时合并为遮挡样本不触发告警。逻辑简单但效果明显是血泪经验换来的。6. 上线前的验证技巧先看热力图再谈指标训练完不要急着部署。我经历的教训是只看验证集mAP就上线的模型第一次去工地现场就翻车了。对着监控画面跑了一个小时把消防水管误检成了安全员当时的感受是指标再漂亮不如现场跑一遍。这里给一个低成本但有效的验证流程挑一段5分钟的工地监控视频切成帧用训练好的模型逐帧推理把所有预测结果集中渲染成视频肉眼过一遍。注意看误检是否集中在阴影、红色管道、蓝色铁皮这类“看起来很接近”的区域。如果误检密集大概率模型学到的是颜色纹理而不是目标结构。这时可以用类激活热力图去验证看模型对目标的关键响应区域是在头部帽子区域还是在全身。如果响应区域分散在胸口或腿部说明模型没有学到“帽子的结构特征”而是学到“穿反光衣的人”。这套验证做完再谈参数调优。工地场景一般需要调整两个推理参数置信度阈值和IoU阈值。置信度阈值默认0.25对工地偏敏感误报多我一般调到0.4到0.5反光衣这类结构特征明显的类别可以保持在0.3。IoU阈值用来过滤重复框工地人员密集默认0.6会导致相邻人员的框被过滤掉一个建议降0.45。最后一个方向如果你后续想做塔吊、挖掘机这类带角度的设备检测可以往旋转目标检测那条线扩展MMRotate训练DOTA格式的数据集就是成熟的路线。但前提是把当前数据整理好至少保证每张图的标注框和类别完全干净再谈模型结构升级。数据不干净什么结构都救不回来。希望这份踩坑清单能帮你少走一段弯路。本文还有配套的精品资源点击获取