电动车载人未戴头盔目标检测YOLO数据集
| 项目 | 详情 |
|---|---|
| 任务类型 | 目标检测 |
| 类别数量 | 3分类 |
| 类别名称 | 电动车、未戴头盔、载人 |
| 图片总量 | 1100张 |
| 数据集划分 | 7:1:2分配 训练集：770张 验证集：110张 测试集：220张 |
| 标注格式 | YOLO txt格式、VOC xml格式，可直接用于模型训练 |
| 应用领域 | 交通违章识别、道路安防监控、电动车安全监管、卡口智能识别、城市交管巡检 |
数据集简介![]()
- 该数据集为道路电动车安全检测目标检测数据集，取自道路监控实拍画面，覆盖日常路口、街道等通行场景。
- 针对电动车、未戴头盔、载人三类目标进行框选标注，包含早晚不同光照、车流干扰、多车同框等复杂道路实景。
标注优势![]()
- 标注结果可直接用于 YOLO 系列目标检测模型训练，无需额外格式转换，极大降低数据准备成本。
- 数据集标注质量稳定，边界框贴合目标主体，能够精准识别电动车、骑乘人员头盔状态以及载人行为，减少车流背景带来的误检漏检。
模型训练效果
- 使用 YOLO26 完成训练后，模型检测精度表现良好，可快速识别画面中的电动车，同时判断是否存在未佩戴头盔、违规载人行为。
- 数据集包含人行道、路口车流、逆光等多样背景，便于模型在多变的道路监控场景下保持稳定检测效果。
数据集划分与拓展用途
- 支持训练集、验证集、测试集按 7:1:2 科学划分，图片总数充足，方便用户复现训练流程并对比不同算法效果。
- 该数据集可进一步用于非机动车违章自动抓拍、交通安全统计、智慧交通平台接入、道路安全预警等多项延伸任务。
YOLO配置文件
# 目标检测数据集配置 names: 0: 电动车 1: 未戴头盔 2: 载人YOLO26训练代码示例![]()
from ultralytics import YOLO # 加载YOLO26目标检测模型 model = YOLO("yolo26n.pt") # 启动模型训练 model.train( data="数据集配置.yaml", epochs=100, imgsz=640, batch=8 )#头盔检测 #目标检测 #电动车违章 #智慧交通 #道路安防
