简介本资源是一个面向计算机视觉初学者与安防智能识别方向开发者的轻量级目标检测数据集专用于警察身份识别任务支持YOLO系列模型含YOLOv2至YOLOv8快速训练与部署。数据集共357张真实场景图像涵盖执勤、巡逻、出警等多种典型画面每张图均配有对应txt格式的YOLO标准标注文件含警察/非警察两类标签并附带统一配置的data.yaml文件便于直接接入训练流程。压缩包总计715个文件含357张JPG图像、357个TXT标注及1个YAML配置文件整体大小仅13.76MB结构简洁、开箱即用。目前已有15人学习下载配套博文详细说明了数据集构建逻辑、标签分布统计、模型训练代码及推理演示作者还提供免费技术咨询支持适合希望快速验证算法效果、开展小样本识别实验或拓展公共安全类AI应用的研究者与开发者。1. 为什么需要“警察/非警察”二分类数据集场景需求与边界设定先说实话做这个数据集的起因没那么玄乎。当时我手头接到一个智慧安防相关的试点项目需求一句话就能讲清楚在重点公共区域的监控画面里系统要能实时判断“现场有没有民警在场”。这个需求听起来简单真正动手做才发现市面上的公开数据集几乎没有覆盖这个细分方向——要么是通用的COCO、VOC重在80类日常物体要么是行人检测、车辆检测这种大路货。真要把“民警”从画面里单独拎出来只能自己造轮子这就是这个带标注警察识别数据集诞生的直接原因。这个二分类数据集的目标非常聚焦就是识别两类目标警察和非警察。前者是画面中穿着制式警服、具备明显警务人员特征的人后者是画面中出现的其他所有人员包括路人、商户、游客、其他制服人员等。357张图片全部完成标注并按YOLO系列的标准格式组织理论上不只支持YOLO26YOLOv5、YOLOv8、YOLO11这些主流版本都能直接用只是标题里特别点名了能适配YOLO26。必须要承认357张图在深度学习里不算多但它解决的问题很实际给一个冷门的垂直识别任务提供一个能跑通全流程的“种子数据集”。对于刚接触目标检测、想走一遍“数据标注—格式整理—模型训练—效果评估”完整链路的人来说这个规模反而合适几十张用于快速验证、几百张用于初步训练既不会因为数据量太大导致标注成本爆掉又能看到模型真实的过拟合和泛化表现。再说说应用边界。这个数据集以及最终训练出的模型定位是辅助工具不是评判个人身份的依据更不是自动化处置的决策引擎。在实际落地中它的价值体现在几类场景一是重点区域的人员态势感知画面中出现民警时系统可以联动记录时间点、位置辅助事后追溯二是活动安保场景协助工作人员快速定位安保力量分布三是园区、场馆的智慧巡检把“现场是否有警务人员”作为一条环境状态信息纳入管理视图。说白了这是一个给业务系统提供结构化信号的小模型不是用来做执法判断的。后续使用这个数据集的人也应该在这个边界内做应用开发。2. 357张图的采集、清洗与标注数据质量才是模型的真正天花板很多人以为目标检测项目的瓶颈在模型选型其实做多了就会发现数据质量才是真正的天花板。模型再强喂进去一堆标注不一致、边界框乱画的样本指标照样拉胯。这一节把采集、清洗、标注的完整流程拆开讲也是我踩过不少坑之后总结出的相对稳妥的做法。2.1 图片采集的多样性策略357张图听起来不多但采集时我刻意保证了几个维度的多样性避免模型只认识“某种固定场景下的警察”时段覆盖白天、傍晚、夜间各占一定比例。夜间的监控画面往往存在暗光、噪点、偏色问题这部分样本直接影响模型在低光环境下的鲁棒性后期训练时我还为此单独调整了数据增强策略。场景覆盖街道、商场入口、地铁站、办公大厅、活动现场、停车场等不同场景。不同场景的光线方向、背景复杂度、人员密度差异很大多场景样本能逼着模型去学“人”本身而不是学“某个固定背景下的颜色块”。视角覆盖监控俯视角、平视角、轻微仰角都有。俯视角下人的肩宽、帽檐遮挡情况和平视完全不一样如果只用单一视角模型部署到真实监控画面时性能会明显下降。人员密度差异单人、双人、多人场景混合。实际监控里经常出现多人并肩走、前后遮挡的情况群体样本能帮助模型学会区分个体边界。这一条给准备自采数据的人一个建议不要在一个场景里连续截几百张图就算完事那叫“同一段视频的几百帧”信息量很低。宁可让场景更杂一些哪怕单张图的目标少一点也比一堆高度相似的连续帧强得多否则训练出来的模型会表现得特别“死记硬背”。2.2 数据清洗肉眼可见的脏数据必须清掉采集完原始图片后我做了两轮清洗。第一轮是“机械清洗”处理模糊严重的、曝光过度的、几乎全黑或全白的图第二轮是“语义清洗”删掉那些连人眼都很难确认是否为警务人员的图片比如目标太小在640分辨率下高度不足20像素、被大面积遮挡超过50%、或者处于极端形变状态。357张是清洗后留下的数量原始采集量比这个多出将近30%。这里有个容易忽略的点目标检测里的“负样本”不是拿一堆空背景图来凑数而是画面里存在“看起来像人、但确实不是目标”的样本。这个数据集里非警察标签覆盖了大量“容易混淆”的对象——保安、门卫、穿深色制服的物业人员这些样本对降低误检率非常重要。如果你自己标数据集一定要有意识地收集这种“难负样本”否则模型训练完会发现它检测到的警察里有三分之一是保安。2.3 标注工具与标注规范标注工具我选了X-AnyLabeling理由很直接它内置了YOLO格式的导出支持标注界面流畅对批量操作也比较友好。市面上常见的开源工具还有LabelImg、Label Studio、CVAT等功能上都够用选择哪个主要看个人习惯。如果你完全没接触过标注工具LabelImg上手最平滑界面朴素但该有的矩形框、标签切换、自动保存都有。标注规范上我提前定了三条硬规则并让参与标注的人都严格参照判定标准穿着制式警服包含制式外套、衬衫、执勤服且能明显看出警务标识的标为警察。无法确认身份、未穿制服的便衣人员即使业务上可能是民警也不标为警察。标注框范围尽量框住完整人体如果目标被遮挡则框住可见部分即可但可见部分的高度原则上不小于整个人的40%。不标注目标高度小于20像素、模糊无法辨识、遮挡超过一半的目标一律不标保持背景干净。规则的第三条特别重要很多人做标注时喜欢“能标就标”结果一堆模糊的小目标把学习信号打得乱七八糟。目标检测的标注不是把画面里所有对象都标出来而是把你希望模型学到的那部分标出来。不够格的样本宁可不标让模型在训练时把那些区域自然当作ignore区域处理。2.4 双重标注与质量抽检所有图片都经过两个人独立标注一遍然后逐张比对差异。对于边界框重叠部分的IoU低于0.7、或者标签类别不一致的样本由我复核后给出最终版本。这一轮质检下来大概修正了6%的标注框和不到2%的标签错误虽然工作量增加了但模型训练时的“标签噪声”明显降低。357张图里最终标注出的目标实例总数大概是860个其中警察约320个、非警察约540个平均每张图2.4个目标。两类样本比例约为1:1.7属于轻微不平衡但在目标检测任务里这种程度完全可以直接训练不需要额外做类别重采样模型不会因此明显偏向多数类。3. 标签体系与YOLO26训练格式的无缝对接数据标注完成之后真正影响后续训练效率的是数据集的目录结构和标签文件能否被训练框架“开箱即用”。这一节讲的都是实际工程里每天会碰到的细节弄错了虽然不大但排查起来相当烦人。3.1 类别定义两行txt解决的事YOLO系列训练时不需要什么花哨的类别注册就是给每个类别定一个从0开始的整数索引再维护一份classes列表。这个数据集里定义如下索引0police警察索引1non-police非警察对应在数据集根目录下的classes.txt文件中就两行police non-police关于类别的命名尽量别用中文、别带空格就用小写英文字母加连字符这是各种脚本和框架兼容性最好的写法。很多人在这上面踩过坑比如在标签里写“警察同志”或者“police officer with hat”导出格式一乱后处理脚本全崩。3.2 YOLO标签文件的真实结构每一张图片对应一个同名的.txt标签文件。文件里每一行对应一个标注目标格式为class_id x_center y_center width height其中坐标全部是归一化到0到1的浮点数x_center和y_center是边界框中心点的相对坐标width和height是边界框宽度和高度的相对值。举个例子一张640x480的图片里一个警察边界框的绝对像素坐标为左上角(120, 80)、右下角(360, 400)那么归一化计算过程为x_center (120 360) / 2 / 640 # 0.375 y_center (80 400) / 2 / 480 # 0.5 width (360 - 120) / 640 # 0.375 height (400 - 80) / 480 # 0.6667对应的标签文件里这一行就是0 0.375 0.5 0.375 0.6667这个格式约定非常简单但实际中经常有人栽在“忘记归一化”上。如果直接写了像素坐标训练时loss会异常巨大甚至直接NaN。建议标注工具导出之后写一个三五行的小脚本检查所有坐标值是否都在0到1之间超过1的直接报错定位到具体文件这个预处理步骤值得写入你的流水线。3.3 数据集目录结构与YAML配置为了让YOLO26的train命令直接找到数据我按官方推荐的目录结构组织了数据集police_dataset/ ├── images/ │ ├── train/ # 280张 │ └── val/ # 77张 ├── labels/ │ ├── train/ │ └── val/ ├── classes.txt └── police_dataset.yaml图片和标签按相同文件名一一对应只是放在不同目录下这是YOLO系列的标准约定。分割比例上我用了约78%和22%的训练/验证划分没有单独留测试集——对357张这个规模来说验证集足够观察模型表现测试集反而会进一步压缩训练样本。police_dataset.yaml的内容如下# 数据集根目录按实际路径修改 path: /path/to/police_dataset train: images/train val: images/val # 类别数 nc: 2 # 类别名称必须与classes.txt保持一致 names: 0: police 1: non-police这里有一个高频错误path字段写的是相对路径但启动训练时没有先cd到指定目录导致图片路径全部失效。YOLO框架对路径解析的处理是比较“宽容”的很可能延迟到训练中途才报错影响情绪又浪费时间。我的习惯是永远写绝对路径或者确保训练命令的终端工作目录和yaml里的path是一致的。3.4 YOLO26对数据集的兼容性说明YOLO26是Ultralytics在其系列模型基础上的新版本架构层面做了一些针对实时检测的改进我在训练中主要感受到两点直观变化一是对低光、噪声环境的适应能力更好暗光场景下的漏检率比前代低一些二是推理阶段支持动态扩展计算量训练好的模型在需要更高精度时可以临时增加推理深度。但要注意这些特性都不影响数据集格式——YOLO26仍然完全兼容标准的YOLO标签格式和上述 yaml 配置。所以如果你手里的数据集是按照YOLOv8/YOLO11的格式整理的放到YOLO26下训练改动量为零。反过来也一样用这个警察数据集训练出的模型如果想换回YOLOv8跑只需要把配置文件里对应的预训练模型路径改一下数据和标签完全不用动。这种向后兼容性是Ultralytics系列框架做得最省心的地方。4. 用YOLO26训练该数据集的完整流程与调参记录数据格式确认无误之后进入训练环节。这一节把从环境准备到训练结束的完整流程记录下来包含我实际使用的参数配置和调参过程中的几个关键决策点。4.1 环境准备别在依赖版本上浪费生命YOLO26是Ultralytics框架的一部分最省事的安装方式就是直接装ultralytics包。我使用的环境是Python 3.10和PyTorch 2.1以上版本显存方面一张普通消费级显卡8GB左右就能跑完这个数据集的训练。安装命令很简单pip install ultralytics装完可以通过yolo命令验证安装是否成功。关于环境这里有一个过来人的忠告不要为了追求“最新版”就去装非官方的源码git分支直接用PyPI的稳定版基本不会出错。YOLO系列训练由于涉及大量数据增强的参数稳定版的运行结果更可预期排查问题时社区里能查到的经验也更多。4.2 选择模型尺寸小数据集不适合一上来就上大模型YOLO26提供了n、s、m、l、x等不同尺寸的预训练模型参数规模依次增大。357张图的数据量我没有犹豫就选了yolo26n和yolo26s各跑了一轮对比最终保留的是s版本。原因很简单n版本虽然训练更快、显存占用更小但在民警识别这个任务上警察制服与部分保安、物业制服的视觉差异不算大n模型的特征表达能力偏弱出现了不少混淆误检。s版本比n版本只多花一点点训练时间但误检率能降低三到四个百分点这个性价比非常划算。如果你的算力比较紧张用n版本先跑通流程也是完全可以的后面看效果再决定要不要升到s。训练命令如下yolo detect train \ datapolice_dataset.yaml \ modelyolo26s.pt \ epochs200 \ imgsz640 \ batch16 \ lr00.01 \ patience30这里modelyolo26s.pt表示加载官方预训练权重进行迁移学习而不是从头训练。这非常重要357张图从头训练一个全随机初始化的检测头基本不可能收敛到可用水平而基于在COCO等大数据集上预训练过的权重继续微调网络已经具备通用的特征提取能力我们只需要让它适应“警察/非警察”这个特定任务。实测中前20个epoch损失就快速下降这就是迁移学习的效果。4.3 关键训练参数的含义与调整逻辑几个参数趁这个机会展开说说都是看完文档也未必能立刻理解透彻的imgsz640训练时把输入图片统一缩放到640x640。由于监控画面中人物往往偏小如果后续使用场景里目标明显更小可以考虑在推理时用imgsz960或1280提升小目标召回率但训练时用640的稳定性和显存占用更友好。batch16batch size影响收敛稳定性和显存占用。8GB显存跑s模型batch16是一个比较安全的配置。如果训练时报OOM优先把batch降到8而不是去调模型大小。lr00.01初始学习率。迁移学习场景下这个值保持默认即可不用刻意调低。真要调整当发现验证集loss在几十个epoch后开始震荡不降时可以试试0.005。patience30早停机制验证集指标连续30个epoch没有提升就自动停止训练。小数据集特别依赖这个参数因为模型在100个epoch左右可能就已经充分拟合继续硬训只会过拟合。另外我开启了数据增强中的Mosaic增强默认配置即可。X-AnyLabeling或YOLO系列都在训练时对图片做随机裁剪、拼接、翻转等处理这相当于把训练数据的有效规模放大了好几倍。小幅增强有助于泛化但YOLO的训练增强默认值本身就比较积极小数据集上不建议再额外加大强度否则会出现“增强失真”问题——模型学到的特征变成了合成图特征真实场景反而不行。4.4 训练过程的观察点与结果判读训练日志里需要重点盯两个指标训练集loss和验证集mAP50。我这次训练的实际曲线大致是这样的前20个epochbox_loss和cls_loss快速下降mAP50从0.3左右一路冲到0.75到60个epoch左右mAP50的上升速度明显放缓到120个epochmAP50基本稳定在0.87到0.90之间mAP50-95稳定在0.61左右。整个过程因为早停机制实际跑到约150个epoch就自动停了没有把200个epoch全部跑完。357张图达到mAP50在0.9附近已经是一个比较合理的结果。很多人对小数据集期望过高以为能靠几百张图冲到mAP50接近0.99那种结果往往意味着验证集太简单或者和训练集过分相似真实场景一测就露馅。我的判断标准是能在7:3划分的验证集上稳定达到0.85以上并且人工抽查未见过的新图能稳定检出这个模型就算初步可用了。5. 实测效果、典型误检与针对性优化思路模型训练出来不能只看指标要拿到真实场景里去“用一用”才知道短板在哪。这一节记录了我在实际测试中遇到的主要问题以及对应的解决思路算是这次项目最有参考价值的部分。5.1 在真实监控画面上的实测表现我把训练好的模型部署到一段约15分钟、分辨率为1080P的实拍监控视频上做了测试这段视频和训练集来源不同场景是某公共区域入口。实测结果警察目标在高清、光照良好、人物直立的情况下召回率可以做到接近90%但一旦出现遮挡、人物侧身、目标偏小等不利因素漏检率会明显上升。非警察类别的检测整体稳定但误检主要集中在“保安被识别为警察”和“深色制服人员被识别为警察”这两类这也是可以预期的混淆点。低光场景单独测了一轮。夜间监控画面亮度低、噪声大肉眼都能看到明显的彩色噪点。测试中yolo26s在低光下的表现比前代模型要好但仍然存在部分漏检。针对这个问题我在训练时额外调整了HSV增强参数hsv_h、hsv_s、hsv_v把亮度扰动稍微加大了一点让模型对亮度变化更不敏感。改动之后夜间场景漏检率直观感受到下降了两三个百分点且没有带来明显的白天误检副作用。5.2 误检根源分析不是模型傻是特征太相近保安被误检为警察核心原因在于两类目标的视觉特征确实高度相似——深色制服、肩章、帽子、对讲机这些元素警察有保安也有。模型在有限数据量下学到的区分特征不够“硬”就会把两者混在一起。解决这个问题不能靠单纯堆模型精度而是要在数据上做文章。我接手项目后续优化时常用的三个手段是加难负样本专门采集一批保安、门卫、物业人员的图片标记为非警察让模型看到更多“看起来像警察但不是警察”的案例。这个策略往往比简单增加警察样本更能有效降低误检率。给警察目标增加局部细节样本比如警服上的臂章、胸徽、警号等近景特写帮助模型把注意力从“深色制服”提升到“具体警务标识”。考虑三分类改造如果误检持续存在可以把任务扩成police、security、other三个类别让模型不再被迫在“警察/非警察”二选一里做模棱两可的判断。这个改动对标注和训练的影响并不大但业务上解释性更好。5.3 识别阈值的调优宁错报还是宁漏报实际工程中除了改模型和数据还有个简单有效的旋钮——置信度阈值。YOLO模型默认的置信度阈值通常是0.25但不同场景下最优阈值完全不同。如果你部署的场景是“预警辅助系统”错报带来的负担是人去看一眼录像那可以把阈值调到0.15甚至更低优先保证不漏检如果系统会基于检测结果自动触发某些操作比如自动报警联动那错报代价就比较大了阈值应该上调到0.4以上宁可漏掉一些模糊目标也不要频繁假警报。我做过一次对比阈值从0.25降到0.15警察类别的召回率从88%提升到94%误检次数也翻了一倍阈值从0.25升到0.4召回率降到80%左右但误检几乎消失。没有绝对正确的阈值只能根据业务承受能力来平衡。建议集成时把这个参数做成可配置项让使用者能根据现场反馈随时调整。5.4 低光环境专项优化实践针对夜间场景我采用的增强策略再展开一下。YOLO的默认训练配置里对图像亮度扰动有预设范围但对低光场景可以进一步强化。具体做法是在训练命令中追加参数yolo detect train \ datapolice_dataset.yaml \ modelyolo26s.pt \ epochs150 \ imgsz640 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.6同时我还手动筛选了训练集中夜间图片的比例确保低光样本不低于总数的25%。如果原始训练集里夜间图很少模型自然学不好夜间特征这时候再怎么调参数都效果有限。实测下来低光专项优化后夜间场景的mAP50从0.72提升到0.79左右效果比较明显。6. 从357张到持续演进数据扩展、模型迁移与部署方向数据集的价值不应该止步于“训练完跑出个模型”它更应该是一个可以持续积累、不断迭代的基础资产。最后这部分聊聊后续扩展方向和几个实用的工程建议。6.1 冷启动之后如何低成本扩充数据357张图完成冷启动后扩充数据最经济的路径不是继续人工采集图片并手工标注而是“用模型辅助标注”。具体套路是用当前训练好的模型去批量预测一批新的监控视频抽帧生成初步标注框然后人工仅对置信度中等比如0.4到0.8之间的目标做复核修正高置信度的目标基本可以直接保留低置信度的目标直接丢弃。这样一来人工标注工作量能减少60%以上而数据量可以快速翻倍。我拿这个方案试过从357张扩到800张只花了大约一个下午的复核时间模型效果又上了一个台阶。另一个思路是视频抽帧不要全部帧都保留而是每隔十几帧抽一帧保证画面变化足够大。把所有相似帧都灌进去会放大相近样本的权重造成隐性过拟合。6.2 模型迁移换回YOLOv8、YOLO11或导出部署这个数据集在早期版本上还跑过YOLOv8和YOLO11两者的训练配置基本一致唯一要改的是预训练模型路径。如果你手头已有部署环境是基于YOLOv8的完全可以用这个数据集从新训练或直接复用权重不需要重新标注。实测对比中YOLO26在低光和小目标上的表现优于前代但差距并没有“代际碾压”那么夸张在算力受限的边缘设备上YOLOv8n或YOLO11n反而可能是更务实的选择。部署导出方面推荐导出为ONNX格式再走各个平台的推理引擎yolo export modelbest.pt formatonnx opset12导出后的ONNX文件可以不依赖PyTorch环境运行TensorRT、OpenVINO、ONNX Runtime等推理框架都能直接加载。在1080P监控流上YOLO26s的ONNX模型在普通GPU上的推理速度大约是每秒30到40帧实时性完全够用。6.3 训练前小脚本五秒检查标签合法性最后分享一个我每次训练前都会跑的检查脚本它能帮你避免绝大多数“标签文件格式错误”导致的训练事故。这个脚本会遍历验证集的标签文件检查每个值是否在合法范围内import os from pathlib import Path label_dir Path(police_dataset/labels/val) for txt_file in sorted(label_dir.glob(*.txt)): for line_num, line in enumerate(txt_file.read_text().strip().splitlines(), 1): parts line.split() if len(parts) ! 5: print(f[格式错误] {txt_file.name} 第{line_num}行不是5个字段) continue cid, x, y, w, h int(parts[0]), float(parts[1]), float(parts[2]), \ float(parts[3]), float(parts[4]) if not (0 x 1 and 0 y 1 and 0 w 1 and 0 h 1): print(f[越界] {txt_file.name} 第{line_num}行坐标不在0-1范围) if txt_file.name.endswith(.txt) and cid not in (0, 1): print(f[类别错误] {txt_file.name} 第{line_num}行类别索引非法)虽然大部分标注工具导出的文件是规范但这个脚本能在训练前帮你拦住低级错误省下不少排查时间。6.4 我对这个数据集定位的真实看法做数据集的活儿很多时候是“做的时候枯燥、做完才有价值”。这个警察识别数据集本身不算庞大但它把一个容易被忽略的垂直识别任务落到了可执行、可复现、可扩展的层面357张图两个标签支持YOLO26及主流YOLO版本直接训练。对正在学习目标检测、或者需要快速验证安防垂直场景识别方案的人来说它是一个很好的起步模板。最后说一个实际使用中的小技巧训练完成后除了看验证集指标一定要拿几段完全没有参与训练的真实场景视频跑一遍人工观察。指标只能告诉你模型“大概行不行”真实场景视频才能告诉你模型“哪里不行”。数据集的积累是迭代的事第一次跑到可用状态就已经完成了最重要的一步。后面每一次补充新样本、调整阈值、优化增强策略都是在这个基础上往前迈进。本文还有配套的精品资源点击获取 
长河君 · 2026/8/31 19:40:13 · 阅读 1.2k 警察识别数据集构建与YOLO26训练实践
简介本资源是一个面向计算机视觉初学者与安防智能识别方向开发者的轻量级目标检测数据集专用于警察身份识别任务支持YOLO系列模型含YOLOv2至YOLOv8快速训练与部署。数据集共357张真实场景图像涵盖执勤、巡逻、出警等多种典型画面每张图均配有对应txt格式的YOLO标准标注文件含警察/非警察两类标签并附带统一配置的data.yaml文件便于直接接入训练流程。压缩包总计715个文件含357张JPG图像、357个TXT标注及1个YAML配置文件整体大小仅13.76MB结构简洁、开箱即用。目前已有15人学习下载配套博文详细说明了数据集构建逻辑、标签分布统计、模型训练代码及推理演示作者还提供免费技术咨询支持适合希望快速验证算法效果、开展小样本识别实验或拓展公共安全类AI应用的研究者与开发者。1. 为什么需要“警察/非警察”二分类数据集场景需求与边界设定先说实话做这个数据集的起因没那么玄乎。当时我手头接到一个智慧安防相关的试点项目需求一句话就能讲清楚在重点公共区域的监控画面里系统要能实时判断“现场有没有民警在场”。这个需求听起来简单真正动手做才发现市面上的公开数据集几乎没有覆盖这个细分方向——要么是通用的COCO、VOC重在80类日常物体要么是行人检测、车辆检测这种大路货。真要把“民警”从画面里单独拎出来只能自己造轮子这就是这个带标注警察识别数据集诞生的直接原因。这个二分类数据集的目标非常聚焦就是识别两类目标警察和非警察。前者是画面中穿着制式警服、具备明显警务人员特征的人后者是画面中出现的其他所有人员包括路人、商户、游客、其他制服人员等。357张图片全部完成标注并按YOLO系列的标准格式组织理论上不只支持YOLO26YOLOv5、YOLOv8、YOLO11这些主流版本都能直接用只是标题里特别点名了能适配YOLO26。必须要承认357张图在深度学习里不算多但它解决的问题很实际给一个冷门的垂直识别任务提供一个能跑通全流程的“种子数据集”。对于刚接触目标检测、想走一遍“数据标注—格式整理—模型训练—效果评估”完整链路的人来说这个规模反而合适几十张用于快速验证、几百张用于初步训练既不会因为数据量太大导致标注成本爆掉又能看到模型真实的过拟合和泛化表现。再说说应用边界。这个数据集以及最终训练出的模型定位是辅助工具不是评判个人身份的依据更不是自动化处置的决策引擎。在实际落地中它的价值体现在几类场景一是重点区域的人员态势感知画面中出现民警时系统可以联动记录时间点、位置辅助事后追溯二是活动安保场景协助工作人员快速定位安保力量分布三是园区、场馆的智慧巡检把“现场是否有警务人员”作为一条环境状态信息纳入管理视图。说白了这是一个给业务系统提供结构化信号的小模型不是用来做执法判断的。后续使用这个数据集的人也应该在这个边界内做应用开发。2. 357张图的采集、清洗与标注数据质量才是模型的真正天花板很多人以为目标检测项目的瓶颈在模型选型其实做多了就会发现数据质量才是真正的天花板。模型再强喂进去一堆标注不一致、边界框乱画的样本指标照样拉胯。这一节把采集、清洗、标注的完整流程拆开讲也是我踩过不少坑之后总结出的相对稳妥的做法。2.1 图片采集的多样性策略357张图听起来不多但采集时我刻意保证了几个维度的多样性避免模型只认识“某种固定场景下的警察”时段覆盖白天、傍晚、夜间各占一定比例。夜间的监控画面往往存在暗光、噪点、偏色问题这部分样本直接影响模型在低光环境下的鲁棒性后期训练时我还为此单独调整了数据增强策略。场景覆盖街道、商场入口、地铁站、办公大厅、活动现场、停车场等不同场景。不同场景的光线方向、背景复杂度、人员密度差异很大多场景样本能逼着模型去学“人”本身而不是学“某个固定背景下的颜色块”。视角覆盖监控俯视角、平视角、轻微仰角都有。俯视角下人的肩宽、帽檐遮挡情况和平视完全不一样如果只用单一视角模型部署到真实监控画面时性能会明显下降。人员密度差异单人、双人、多人场景混合。实际监控里经常出现多人并肩走、前后遮挡的情况群体样本能帮助模型学会区分个体边界。这一条给准备自采数据的人一个建议不要在一个场景里连续截几百张图就算完事那叫“同一段视频的几百帧”信息量很低。宁可让场景更杂一些哪怕单张图的目标少一点也比一堆高度相似的连续帧强得多否则训练出来的模型会表现得特别“死记硬背”。2.2 数据清洗肉眼可见的脏数据必须清掉采集完原始图片后我做了两轮清洗。第一轮是“机械清洗”处理模糊严重的、曝光过度的、几乎全黑或全白的图第二轮是“语义清洗”删掉那些连人眼都很难确认是否为警务人员的图片比如目标太小在640分辨率下高度不足20像素、被大面积遮挡超过50%、或者处于极端形变状态。357张是清洗后留下的数量原始采集量比这个多出将近30%。这里有个容易忽略的点目标检测里的“负样本”不是拿一堆空背景图来凑数而是画面里存在“看起来像人、但确实不是目标”的样本。这个数据集里非警察标签覆盖了大量“容易混淆”的对象——保安、门卫、穿深色制服的物业人员这些样本对降低误检率非常重要。如果你自己标数据集一定要有意识地收集这种“难负样本”否则模型训练完会发现它检测到的警察里有三分之一是保安。2.3 标注工具与标注规范标注工具我选了X-AnyLabeling理由很直接它内置了YOLO格式的导出支持标注界面流畅对批量操作也比较友好。市面上常见的开源工具还有LabelImg、Label Studio、CVAT等功能上都够用选择哪个主要看个人习惯。如果你完全没接触过标注工具LabelImg上手最平滑界面朴素但该有的矩形框、标签切换、自动保存都有。标注规范上我提前定了三条硬规则并让参与标注的人都严格参照判定标准穿着制式警服包含制式外套、衬衫、执勤服且能明显看出警务标识的标为警察。无法确认身份、未穿制服的便衣人员即使业务上可能是民警也不标为警察。标注框范围尽量框住完整人体如果目标被遮挡则框住可见部分即可但可见部分的高度原则上不小于整个人的40%。不标注目标高度小于20像素、模糊无法辨识、遮挡超过一半的目标一律不标保持背景干净。规则的第三条特别重要很多人做标注时喜欢“能标就标”结果一堆模糊的小目标把学习信号打得乱七八糟。目标检测的标注不是把画面里所有对象都标出来而是把你希望模型学到的那部分标出来。不够格的样本宁可不标让模型在训练时把那些区域自然当作ignore区域处理。2.4 双重标注与质量抽检所有图片都经过两个人独立标注一遍然后逐张比对差异。对于边界框重叠部分的IoU低于0.7、或者标签类别不一致的样本由我复核后给出最终版本。这一轮质检下来大概修正了6%的标注框和不到2%的标签错误虽然工作量增加了但模型训练时的“标签噪声”明显降低。357张图里最终标注出的目标实例总数大概是860个其中警察约320个、非警察约540个平均每张图2.4个目标。两类样本比例约为1:1.7属于轻微不平衡但在目标检测任务里这种程度完全可以直接训练不需要额外做类别重采样模型不会因此明显偏向多数类。3. 标签体系与YOLO26训练格式的无缝对接数据标注完成之后真正影响后续训练效率的是数据集的目录结构和标签文件能否被训练框架“开箱即用”。这一节讲的都是实际工程里每天会碰到的细节弄错了虽然不大但排查起来相当烦人。3.1 类别定义两行txt解决的事YOLO系列训练时不需要什么花哨的类别注册就是给每个类别定一个从0开始的整数索引再维护一份classes列表。这个数据集里定义如下索引0police警察索引1non-police非警察对应在数据集根目录下的classes.txt文件中就两行police non-police关于类别的命名尽量别用中文、别带空格就用小写英文字母加连字符这是各种脚本和框架兼容性最好的写法。很多人在这上面踩过坑比如在标签里写“警察同志”或者“police officer with hat”导出格式一乱后处理脚本全崩。3.2 YOLO标签文件的真实结构每一张图片对应一个同名的.txt标签文件。文件里每一行对应一个标注目标格式为class_id x_center y_center width height其中坐标全部是归一化到0到1的浮点数x_center和y_center是边界框中心点的相对坐标width和height是边界框宽度和高度的相对值。举个例子一张640x480的图片里一个警察边界框的绝对像素坐标为左上角(120, 80)、右下角(360, 400)那么归一化计算过程为x_center (120 360) / 2 / 640 # 0.375 y_center (80 400) / 2 / 480 # 0.5 width (360 - 120) / 640 # 0.375 height (400 - 80) / 480 # 0.6667对应的标签文件里这一行就是0 0.375 0.5 0.375 0.6667这个格式约定非常简单但实际中经常有人栽在“忘记归一化”上。如果直接写了像素坐标训练时loss会异常巨大甚至直接NaN。建议标注工具导出之后写一个三五行的小脚本检查所有坐标值是否都在0到1之间超过1的直接报错定位到具体文件这个预处理步骤值得写入你的流水线。3.3 数据集目录结构与YAML配置为了让YOLO26的train命令直接找到数据我按官方推荐的目录结构组织了数据集police_dataset/ ├── images/ │ ├── train/ # 280张 │ └── val/ # 77张 ├── labels/ │ ├── train/ │ └── val/ ├── classes.txt └── police_dataset.yaml图片和标签按相同文件名一一对应只是放在不同目录下这是YOLO系列的标准约定。分割比例上我用了约78%和22%的训练/验证划分没有单独留测试集——对357张这个规模来说验证集足够观察模型表现测试集反而会进一步压缩训练样本。police_dataset.yaml的内容如下# 数据集根目录按实际路径修改 path: /path/to/police_dataset train: images/train val: images/val # 类别数 nc: 2 # 类别名称必须与classes.txt保持一致 names: 0: police 1: non-police这里有一个高频错误path字段写的是相对路径但启动训练时没有先cd到指定目录导致图片路径全部失效。YOLO框架对路径解析的处理是比较“宽容”的很可能延迟到训练中途才报错影响情绪又浪费时间。我的习惯是永远写绝对路径或者确保训练命令的终端工作目录和yaml里的path是一致的。3.4 YOLO26对数据集的兼容性说明YOLO26是Ultralytics在其系列模型基础上的新版本架构层面做了一些针对实时检测的改进我在训练中主要感受到两点直观变化一是对低光、噪声环境的适应能力更好暗光场景下的漏检率比前代低一些二是推理阶段支持动态扩展计算量训练好的模型在需要更高精度时可以临时增加推理深度。但要注意这些特性都不影响数据集格式——YOLO26仍然完全兼容标准的YOLO标签格式和上述 yaml 配置。所以如果你手里的数据集是按照YOLOv8/YOLO11的格式整理的放到YOLO26下训练改动量为零。反过来也一样用这个警察数据集训练出的模型如果想换回YOLOv8跑只需要把配置文件里对应的预训练模型路径改一下数据和标签完全不用动。这种向后兼容性是Ultralytics系列框架做得最省心的地方。4. 用YOLO26训练该数据集的完整流程与调参记录数据格式确认无误之后进入训练环节。这一节把从环境准备到训练结束的完整流程记录下来包含我实际使用的参数配置和调参过程中的几个关键决策点。4.1 环境准备别在依赖版本上浪费生命YOLO26是Ultralytics框架的一部分最省事的安装方式就是直接装ultralytics包。我使用的环境是Python 3.10和PyTorch 2.1以上版本显存方面一张普通消费级显卡8GB左右就能跑完这个数据集的训练。安装命令很简单pip install ultralytics装完可以通过yolo命令验证安装是否成功。关于环境这里有一个过来人的忠告不要为了追求“最新版”就去装非官方的源码git分支直接用PyPI的稳定版基本不会出错。YOLO系列训练由于涉及大量数据增强的参数稳定版的运行结果更可预期排查问题时社区里能查到的经验也更多。4.2 选择模型尺寸小数据集不适合一上来就上大模型YOLO26提供了n、s、m、l、x等不同尺寸的预训练模型参数规模依次增大。357张图的数据量我没有犹豫就选了yolo26n和yolo26s各跑了一轮对比最终保留的是s版本。原因很简单n版本虽然训练更快、显存占用更小但在民警识别这个任务上警察制服与部分保安、物业制服的视觉差异不算大n模型的特征表达能力偏弱出现了不少混淆误检。s版本比n版本只多花一点点训练时间但误检率能降低三到四个百分点这个性价比非常划算。如果你的算力比较紧张用n版本先跑通流程也是完全可以的后面看效果再决定要不要升到s。训练命令如下yolo detect train \ datapolice_dataset.yaml \ modelyolo26s.pt \ epochs200 \ imgsz640 \ batch16 \ lr00.01 \ patience30这里modelyolo26s.pt表示加载官方预训练权重进行迁移学习而不是从头训练。这非常重要357张图从头训练一个全随机初始化的检测头基本不可能收敛到可用水平而基于在COCO等大数据集上预训练过的权重继续微调网络已经具备通用的特征提取能力我们只需要让它适应“警察/非警察”这个特定任务。实测中前20个epoch损失就快速下降这就是迁移学习的效果。4.3 关键训练参数的含义与调整逻辑几个参数趁这个机会展开说说都是看完文档也未必能立刻理解透彻的imgsz640训练时把输入图片统一缩放到640x640。由于监控画面中人物往往偏小如果后续使用场景里目标明显更小可以考虑在推理时用imgsz960或1280提升小目标召回率但训练时用640的稳定性和显存占用更友好。batch16batch size影响收敛稳定性和显存占用。8GB显存跑s模型batch16是一个比较安全的配置。如果训练时报OOM优先把batch降到8而不是去调模型大小。lr00.01初始学习率。迁移学习场景下这个值保持默认即可不用刻意调低。真要调整当发现验证集loss在几十个epoch后开始震荡不降时可以试试0.005。patience30早停机制验证集指标连续30个epoch没有提升就自动停止训练。小数据集特别依赖这个参数因为模型在100个epoch左右可能就已经充分拟合继续硬训只会过拟合。另外我开启了数据增强中的Mosaic增强默认配置即可。X-AnyLabeling或YOLO系列都在训练时对图片做随机裁剪、拼接、翻转等处理这相当于把训练数据的有效规模放大了好几倍。小幅增强有助于泛化但YOLO的训练增强默认值本身就比较积极小数据集上不建议再额外加大强度否则会出现“增强失真”问题——模型学到的特征变成了合成图特征真实场景反而不行。4.4 训练过程的观察点与结果判读训练日志里需要重点盯两个指标训练集loss和验证集mAP50。我这次训练的实际曲线大致是这样的前20个epochbox_loss和cls_loss快速下降mAP50从0.3左右一路冲到0.75到60个epoch左右mAP50的上升速度明显放缓到120个epochmAP50基本稳定在0.87到0.90之间mAP50-95稳定在0.61左右。整个过程因为早停机制实际跑到约150个epoch就自动停了没有把200个epoch全部跑完。357张图达到mAP50在0.9附近已经是一个比较合理的结果。很多人对小数据集期望过高以为能靠几百张图冲到mAP50接近0.99那种结果往往意味着验证集太简单或者和训练集过分相似真实场景一测就露馅。我的判断标准是能在7:3划分的验证集上稳定达到0.85以上并且人工抽查未见过的新图能稳定检出这个模型就算初步可用了。5. 实测效果、典型误检与针对性优化思路模型训练出来不能只看指标要拿到真实场景里去“用一用”才知道短板在哪。这一节记录了我在实际测试中遇到的主要问题以及对应的解决思路算是这次项目最有参考价值的部分。5.1 在真实监控画面上的实测表现我把训练好的模型部署到一段约15分钟、分辨率为1080P的实拍监控视频上做了测试这段视频和训练集来源不同场景是某公共区域入口。实测结果警察目标在高清、光照良好、人物直立的情况下召回率可以做到接近90%但一旦出现遮挡、人物侧身、目标偏小等不利因素漏检率会明显上升。非警察类别的检测整体稳定但误检主要集中在“保安被识别为警察”和“深色制服人员被识别为警察”这两类这也是可以预期的混淆点。低光场景单独测了一轮。夜间监控画面亮度低、噪声大肉眼都能看到明显的彩色噪点。测试中yolo26s在低光下的表现比前代模型要好但仍然存在部分漏检。针对这个问题我在训练时额外调整了HSV增强参数hsv_h、hsv_s、hsv_v把亮度扰动稍微加大了一点让模型对亮度变化更不敏感。改动之后夜间场景漏检率直观感受到下降了两三个百分点且没有带来明显的白天误检副作用。5.2 误检根源分析不是模型傻是特征太相近保安被误检为警察核心原因在于两类目标的视觉特征确实高度相似——深色制服、肩章、帽子、对讲机这些元素警察有保安也有。模型在有限数据量下学到的区分特征不够“硬”就会把两者混在一起。解决这个问题不能靠单纯堆模型精度而是要在数据上做文章。我接手项目后续优化时常用的三个手段是加难负样本专门采集一批保安、门卫、物业人员的图片标记为非警察让模型看到更多“看起来像警察但不是警察”的案例。这个策略往往比简单增加警察样本更能有效降低误检率。给警察目标增加局部细节样本比如警服上的臂章、胸徽、警号等近景特写帮助模型把注意力从“深色制服”提升到“具体警务标识”。考虑三分类改造如果误检持续存在可以把任务扩成police、security、other三个类别让模型不再被迫在“警察/非警察”二选一里做模棱两可的判断。这个改动对标注和训练的影响并不大但业务上解释性更好。5.3 识别阈值的调优宁错报还是宁漏报实际工程中除了改模型和数据还有个简单有效的旋钮——置信度阈值。YOLO模型默认的置信度阈值通常是0.25但不同场景下最优阈值完全不同。如果你部署的场景是“预警辅助系统”错报带来的负担是人去看一眼录像那可以把阈值调到0.15甚至更低优先保证不漏检如果系统会基于检测结果自动触发某些操作比如自动报警联动那错报代价就比较大了阈值应该上调到0.4以上宁可漏掉一些模糊目标也不要频繁假警报。我做过一次对比阈值从0.25降到0.15警察类别的召回率从88%提升到94%误检次数也翻了一倍阈值从0.25升到0.4召回率降到80%左右但误检几乎消失。没有绝对正确的阈值只能根据业务承受能力来平衡。建议集成时把这个参数做成可配置项让使用者能根据现场反馈随时调整。5.4 低光环境专项优化实践针对夜间场景我采用的增强策略再展开一下。YOLO的默认训练配置里对图像亮度扰动有预设范围但对低光场景可以进一步强化。具体做法是在训练命令中追加参数yolo detect train \ datapolice_dataset.yaml \ modelyolo26s.pt \ epochs150 \ imgsz640 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.6同时我还手动筛选了训练集中夜间图片的比例确保低光样本不低于总数的25%。如果原始训练集里夜间图很少模型自然学不好夜间特征这时候再怎么调参数都效果有限。实测下来低光专项优化后夜间场景的mAP50从0.72提升到0.79左右效果比较明显。6. 从357张到持续演进数据扩展、模型迁移与部署方向数据集的价值不应该止步于“训练完跑出个模型”它更应该是一个可以持续积累、不断迭代的基础资产。最后这部分聊聊后续扩展方向和几个实用的工程建议。6.1 冷启动之后如何低成本扩充数据357张图完成冷启动后扩充数据最经济的路径不是继续人工采集图片并手工标注而是“用模型辅助标注”。具体套路是用当前训练好的模型去批量预测一批新的监控视频抽帧生成初步标注框然后人工仅对置信度中等比如0.4到0.8之间的目标做复核修正高置信度的目标基本可以直接保留低置信度的目标直接丢弃。这样一来人工标注工作量能减少60%以上而数据量可以快速翻倍。我拿这个方案试过从357张扩到800张只花了大约一个下午的复核时间模型效果又上了一个台阶。另一个思路是视频抽帧不要全部帧都保留而是每隔十几帧抽一帧保证画面变化足够大。把所有相似帧都灌进去会放大相近样本的权重造成隐性过拟合。6.2 模型迁移换回YOLOv8、YOLO11或导出部署这个数据集在早期版本上还跑过YOLOv8和YOLO11两者的训练配置基本一致唯一要改的是预训练模型路径。如果你手头已有部署环境是基于YOLOv8的完全可以用这个数据集从新训练或直接复用权重不需要重新标注。实测对比中YOLO26在低光和小目标上的表现优于前代但差距并没有“代际碾压”那么夸张在算力受限的边缘设备上YOLOv8n或YOLO11n反而可能是更务实的选择。部署导出方面推荐导出为ONNX格式再走各个平台的推理引擎yolo export modelbest.pt formatonnx opset12导出后的ONNX文件可以不依赖PyTorch环境运行TensorRT、OpenVINO、ONNX Runtime等推理框架都能直接加载。在1080P监控流上YOLO26s的ONNX模型在普通GPU上的推理速度大约是每秒30到40帧实时性完全够用。6.3 训练前小脚本五秒检查标签合法性最后分享一个我每次训练前都会跑的检查脚本它能帮你避免绝大多数“标签文件格式错误”导致的训练事故。这个脚本会遍历验证集的标签文件检查每个值是否在合法范围内import os from pathlib import Path label_dir Path(police_dataset/labels/val) for txt_file in sorted(label_dir.glob(*.txt)): for line_num, line in enumerate(txt_file.read_text().strip().splitlines(), 1): parts line.split() if len(parts) ! 5: print(f[格式错误] {txt_file.name} 第{line_num}行不是5个字段) continue cid, x, y, w, h int(parts[0]), float(parts[1]), float(parts[2]), \ float(parts[3]), float(parts[4]) if not (0 x 1 and 0 y 1 and 0 w 1 and 0 h 1): print(f[越界] {txt_file.name} 第{line_num}行坐标不在0-1范围) if txt_file.name.endswith(.txt) and cid not in (0, 1): print(f[类别错误] {txt_file.name} 第{line_num}行类别索引非法)虽然大部分标注工具导出的文件是规范但这个脚本能在训练前帮你拦住低级错误省下不少排查时间。6.4 我对这个数据集定位的真实看法做数据集的活儿很多时候是“做的时候枯燥、做完才有价值”。这个警察识别数据集本身不算庞大但它把一个容易被忽略的垂直识别任务落到了可执行、可复现、可扩展的层面357张图两个标签支持YOLO26及主流YOLO版本直接训练。对正在学习目标检测、或者需要快速验证安防垂直场景识别方案的人来说它是一个很好的起步模板。最后说一个实际使用中的小技巧训练完成后除了看验证集指标一定要拿几段完全没有参与训练的真实场景视频跑一遍人工观察。指标只能告诉你模型“大概行不行”真实场景视频才能告诉你模型“哪里不行”。数据集的积累是迭代的事第一次跑到可用状态就已经完成了最重要的一步。后面每一次补充新样本、调整阈值、优化增强策略都是在这个基础上往前迈进。本文还有配套的精品资源点击获取