安全带检测数据集 | 8400张YOLO智慧交通数据集

安全带检测数据集 | 8400张YOLO智慧交通数据集

适用于交通卡口执法、驾驶行为分析与目标检测研究

一、数据集概述

本数据集面向 计算机视觉 目标检测任务，专为驾乘人员安全带佩戴状态检测模型训练、验证与测试设计，共包含约8400张高质量标注图像。该数据集聚焦于交通卡口与车载视角下驾乘人员安全带的佩戴状态识别，可广泛应用于交通卡口执法、驾驶行为分析、智能车载监控、车队 运营 管理等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。

随着道路交通安全管理要求的不断提升，利用计算机视觉技术实现驾乘人员安全带佩戴状态的自动检测已成为提升执法效率、保障出行安全的重要手段。本数据集针对安全带检测场景中目标尺度小、姿态多样、光照复杂等问题进行专项构建，可为交通智能执法系统与驾驶安全监控设备提供高质量数据支撑。

数据集下载

通过网盘分享的文件：安全带检测-2类

链接: https://pan.baidu.com/s/14O_eVSTLPGXaJhvZT9h7xw?pwd=9mes

提取码: 9mes

二、数据集基本信息

三、数据集类别说明

本数据集为二分类目标检测数据集，共设置2个检测类别，聚焦驾乘人员安全带佩戴状态的二分类判别，任务明确、标注简洁。

类别配置

nc: 2

names:
  - no_seatbelt
  - seatbelt

类别详情

二分类设计使模型能够专注于安全带佩戴状态的核心判别任务，提高检测精度与判别速度，特别适用于交通卡口违法抓拍、驾驶行为安全分析与智能车载监控等专项应用场景。

四、数据集结构说明

数据集采用标准YOLO 目录结构 组织，已按训练集、验证集、测试集进行科学划分，结构清晰，便于直接接入主流检测框架。

安全带检测-2类/
├── train
│   ├── images
│   └── labels
├── valid
│   ├── images
│   └── labels
├── test
│   ├── images
│   └── labels
└── data.yaml

各数据集作用如下：

• train/images & labels：训练集图像与标签，用于模型参数学习与特征提取；
• valid/images & labels：验证集图像与标签，用于超参数调优、早停监控及防止过拟合；
• test/images & labels：测试集图像与标签，用于最终模型性能评估与泛化能力测试。

标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套 data .yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。

五、数据集核心优势

1. 专注安全带佩戴检测

本数据集以驾乘人员安全带佩戴状态为核心检测对象，所有图像聚焦于交通卡口与车载视角下的驾驶室场景，不涉及其他无关交通元素的干扰标注。主题高度聚焦，类别语义清晰、判别标准明确，更利于训练出针对安全带佩戴状态的高精度识别模型。

覆盖场景包括：

• 交通卡口抓拍视角
• 车载监控视角
• 不同车型驾驶室（轿车、SUV、货车等）
• 不同驾乘人数（单人驾驶、多人乘坐）
• 不同驾乘姿态

能够有效提升模型的实际部署效果。

2. 典型二分类任务设计

二分类设计精准覆盖安全带执法检测的核心需求：

• 未系安全带：交通执法中的重点违法行为，直接关系交通事故中的伤亡风险
• 系安全带：合规佩戴状态作为正样本，提升模型的安全行为判别能力

类别设计贴近交通管理执法实际需求，便于直接支撑违法抓拍与安全监控。

3. 丰富的场景多样性

数据覆盖多种道路环境与拍摄条件：

• 车型覆盖：轿车、SUV、MPV、货车、客车等多种车型
• 光照条件：白天强光、阴天、黄昏、夜间低照度
• 拍摄角度：正面抓拍、侧面抓拍、倾斜角度
• 驾乘姿态：不同体态、不同座椅位置

贴近真实交通执法环境，有效提升模型泛化能力。

4. 大规模高质量标注

约8400张高质量图像，所有图像均经过高质量人工精准标注：

• 边界框规整、无漏标/错标
• 以驾乘人员上半身为目标进行框选标注
• 2类标签判别标准统一清晰
• 满足高精度检测模型训练需求

有效保证模型训练质量。

5. 即用型数据组织

标准目录结构+简化类别配置，无需复杂预处理，下载即可直接用于模型训练，降低使用门槛。配套data.yaml已配置好类别名称与数量，一键启动训练。

6. 充足的样本量

总计约8400张高质量图像，样本量充足，保障模型训练收敛性与泛化能力，满足 深度学习 模型的充分训练需求。

六、适用场景

交通卡口安全带违法抓拍

部署于交通卡口监控系统，实现驾乘人员安全带佩戴状态的自动检测与违法抓拍取证。

驾驶行为安全分析

实时检测驾驶过程中驾乘人员的安全带佩戴情况，为驾驶行为安全评分提供数据支撑。

智能车载监控系统

集成于车载智能监控设备，实现车辆启动后的安全带佩戴自动检测与语音提醒。

车队运营管理

用于企业车队（物流运输、客运等）的驾驶员安全带佩戴监测，提升车队安全管理水平。

事故分析与责任判定

为交通事故分析提供安全带佩戴状态证据，辅助事故责任判定。

教学科研

用于目标检测算法入门教学、安全带检测模型验证与调优等科研场景。

七、适用研究方向

本数据集可广泛应用于以下研究领域：

• 交通违法行为识别与检测研究
• 驾乘人员安全带佩戴检测研究
• 二分类目标检测研究
• 智能交通系统（ITS）研究
• 车载视觉感知研究
• YOLO系列模型优化研究
• 轻量化检测模型与边缘部署研究
• 域适应与跨场景泛化研究
• 驾驶行为分析与安全监控研究
• 低光照环境目标检测研究

八、总结

安全带检测数据集包含约8400张高质量标注图像，采用标准YOLO格式构建，专注于驾乘人员安全带佩戴状态的检测任务。数据集以未系安全带和系安全带2类为核心类别，具有主题聚焦、样本量大、场景多样、标注精准等特点，可广泛应用于交通卡口违法抓拍、驾驶行为分析、智能车载监控、车队运营管理等领域，是开展安全带佩戴检测算法研发与智慧交通管理系统的优质数据资源。