简介：基于YOLOv5与DeepSORT的电动自行车头盔佩戴检测系统，是一份面向人工智能及深度学习开发者的完整工程。针对骑行场景中头盔佩戴状态的实时识别与多目标追踪问题，整合了目标检测与重识别技术，适合智慧交通、安全监控等场景落地，也适合有Python基础的学生进行算法实践与二次开发。压缩包共186个文件，容量133.57MB，包含55个Python脚本、22个YAML配置、7个模型权重文件、45张PNG图片及HTML/JS/CSS展示页面等，其中Python脚本覆盖训练与推理逻辑，YAML用于模型结构配置，pt文件提供预训练权重。已有422人学习浏览。借助该工程可直接复现头盔检测与追踪过程，获得模型结构定义、预训练权重、训练调参代码和前端监控界面，既能用于理解YOLOv5目标检测与DeepSORT多目标追踪机制，也为后续算法改进和业务系统集成提供了可行基础。

1. 基于深度学习的电动自行车头盔佩戴检测系统：先搞懂它解决什么问题

这类名字带“.zip”的项目，我每年都要帮人盘一遍。它解决的问题很具体：摄像头拍下电动自行车经过的画面，系统自动判断骑车人有没有戴头盔，没戴就抓拍、报警，戴了就正常通行。用深度学习的检测系统来做，比普通图像处理稳定得多——能扛逆光、夜间、侧脸和遮挡，准确率普遍能做到95%以上。这套东西适合三类人：毕业设计选型的学生、园区或工地出入口想加一道自动监管的工程师、还有刚接触目标检测想跑通一个完整项目的算法入门者。它不是一个只能跑demo的黑匣子，而是把数据、标注、训练、部署完整串起来的系统工程。

2. 模型选型：为什么头盔检测绕不开YOLO和PyTorch

2.1 头盔佩戴检测的本质是定位，不是单纯分类

头盔佩戴检测听起来是“判断戴没戴”，但真正落到系统里，必须同时输出“人在哪”和“这个人是否戴盔”，否则没法联动抓拍或统计车流。所以它天然是一个目标检测任务，不是图像分类任务。如果你用分类网络把整张图分成“戴盔”和“没戴盔”，只要图里有一个人没戴，整张图就报废，漏报率极高。

目标检测的主流路线有三类：两阶段检测器（Faster R-CNN）、单阶段检测器（YOLO/SSD）和基于Transformer的端到端检测器（DETR/RT-DETR）。头盔这类小目标多、实时性要求高的场景，两阶段虽然精度上限高，但速度太慢；DETR那套在CPU和低端边缘设备上跑不动；YOLO系单阶段检测器在速度和精度的平衡上最友好，因此绝大多数落地系统选它。

我的经验是，别在模型选型上过度纠结，把精力放到数据和标注上。用YOLOv8n或者YOLOv5s，对头盔检测这种语义简单的任务，已经能跑到mAP50在0.9以上。真正决定上限的是标注质量、类别定义和夜间样本数量。另外，类别设计也有讲究。常见方案是直接分两个类：0表示“戴着头盔的人”，1表示“没戴头盔的人”，框画在人身上；另一种是把head和helmet分别检测，再通过IoU判断头盔是否戴在头上。后者能处理“手里拿着头盔”的干扰，但标签和后处理复杂度高。对于电动自行车出入口这种场景，二分类方案足够了。

2.2 YOLOv5和YOLOv8怎么选：一张表说清

常见的新手问题是用YOLOv5还是YOLOv8。这里给一个可抄作业的对比：

如果只是毕设或者出demo，我一般直接用ultralytics库配YOLOv8n，因为它的训练命令和导出工具一条命令搞定，不用手写很多胶水代码。如果要求严谨的工程交付，YOLOv5的生态更稳定，TensorRT部署资料也多。注意，这里的“n/s”是模型尺寸，不是版本后缀。头盔目标相对小，直接上n可能会有漏检，可以先跑一版s，如果速度不够再换回n。

2.3 环境搭建：PyTorch加ultralytics的最小配置

环境不用装一堆东西，PyTorch、ultralytics、OpenCV三件套就够了。这里给一个Linux或者Windows都可以用的conda安装命令：

conda create -n helmet python=3.9 -y conda activate helmet pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117 pip install ultralytics opencv-python

先解释逻辑：conda创建独立的Python 3.9环境，避免把系统Python搞乱；pip安装指定版本的PyTorch，cu117表示适配CUDA 11.7，这个版本对RTX 30系和40系驱动都友好。如果你显卡驱动不支持11.7，需要去PyTorch官网查对应CUDA版本，不要盲目抄。pip下载慢的话，可以在命令末尾加-i https://pypi.tuna.tsinghua.edu.cn/simple。

安装完先验证一下GPU是否被识别：

import torch print(torch.__version__) print(torch.cuda.is_available())

如果输出False，大概率是CUDA/显卡驱动版本不匹配，或者装成了CPU版。先用CPU版跑通小规模训练也没有问题，只是慢。头盔数据集一般不会太大，CPU训练一晚也能出结果，这条血泪经验后面避坑章节会展开。

3. 数据准备：把头盔标注成YOLO格式的4个关键步骤

3.1 数据来源和数量：别迷信公开数据集，自己补拍才管用

头盔佩戴检测没有特别统一的标准数据集。很多公开安全帽数据集以工地大黄色安全帽为主，电动自行车的头盔是半盔、全盔、彩色头盔，形状差异大，直接迁移会翻车。常见做法是混合三路数据：

• 公开数据集：比如SCUT-HEAD、Global Safety Helmet Dataset里头的head类，主要用来预训练和补充负样本；
• 自己用手机或摄像头录街道骑行视频，抽帧得到图像；
• 如果设备到位，做合成：把头盔抠图贴到背景上做马赛克增强，但注意不要破坏光照一致性。

数量经验：戴头盔和不戴头盔两类目标各不少于3000个框，这个数量级对YOLO来说足够。图像总数在5000到10000张之间，不要太多到训练时间爆炸，也不要少到类别不平衡。如果你做毕设，时间有限，可以先用公开数据集跑通流程，再补2000张自己的场景数据。数据里一定要包含夜间、逆光、雨天、侧脸这些难例，否则白天现场效果很好，一入夜就大面积漏检。

3.2 标注规范：两类还是分部位，先想清楚再动手

标注前必须定类别方案，否则返工到崩溃。我推荐用二分类方案：

• 类别0：helmet_ridden（戴着头盔的人）
• 类别1：no_helmet（没戴头盔的人）

注意框的是“人+头盔”整体，不是单独框头盔。这样模型直接输出人的位置和是否戴盔，省掉后处理。如果采用多类别方案，把person、helmet、head分开检测，再通过几何关系判断头盔和head的重叠率，能处理“手里拿着头盔”的干扰，但标签和后处理复杂度高，不建议第一次做就选它。

标注工具我用LabelImg，因为它直接输出Pascal VOC XML，稍后转成YOLO txt很方便。标注时遵循几个原则：被严重遮挡的目标不标；只有上半身出现在画面里也标，但像素面积小于30x30的忽略；夜间看不清的不硬标。这些原则看起来琐碎，实际上决定模型泛化能力。还有一条很容易忽略：不要用同一个文件既有VOC又有YOLO格式，LabelImg会自动生成classes.txt，这个文件里的类别顺序必须和CLASS_MAP一致，否则转出来的txt类别索引是乱的。

3.3 把VOC标注转成YOLO格式：Python脚本直接用

LabelImg默认保存为VOC格式，而YOLO训练需要的是每个图片一个txt文件，每行是“类别 cx cy w h”，坐标相对图像宽高。写转换脚本时最容易错的是归一化和类别索引，贴一个我常用的版本：

import xml.etree.ElementTree as ET import os CLASS_MAP = {"helmet_ridden": 0, "no_helmet": 1} def convert_voc_to_yolo(xml_file, out_txt): tree = ET.parse(xml_file) root = tree.getroot() width = int(root.findtext("size/width")) height = int(root.findtext("size/height")) lines = [] for obj in root.findall("object"): name = obj.findtext("name") if name not in CLASS_MAP: continue bndbox = obj.find("bndbox") xmin = float(bndbox.findtext("xmin")) ymin = float(bndbox.findtext("ymin")) xmax = float(bndbox.findtext("xmax")) ymax = float(bndbox.findtext("ymax")) x_center = (xmin + xmax) / 2 / width y_center = (ymin + ymax) / 2 / height box_w = (xmax - xmin) / width box_h = (ymax - ymin) / height # 防止越界，写死一点更稳 x_center = min(max(x_center, 0.0), 1.0) y_center = min(max(y_center, 0.0), 1.0) lines.append(f"{CLASS_MAP[name]} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") with open(out_txt, "w", encoding="utf-8") as f: f.write("\n".join(lines)) if __name__ == "__main__": xml_dir = "Annotations" out_dir = "labels" os.makedirs(out_dir, exist_ok=True) for xml_name in os.listdir(xml_dir): if not xml_name.endswith(".xml"): continue convert_voc_to_yolo(os.path.join(xml_dir, xml_name), os.path.join(out_dir, xml_name.replace(".xml", ".txt")))

这段代码做的事情：遍历一个目录下所有XML，读图像宽高，把每个object的bbox从左上右下坐标转成中心点加宽高，再除以宽高完成归一化。注意三个细节。第一，类别名必须和CLASS_MAP里的完全一致，包括大小写，写错会静默跳过；第二，YOLO格式要求类别索引从0开始，第1个字段是整数，后面是浮点；第三，坐标可能会因为标注工具误差越界，加一个min/max裁剪可以减少训练警告。

3.4 数据增强和划分：不要只加翻转，要加夜间和遮挡

YOLO内置增强在配置文件里就能开，比如mosaic、mixup、hsv_h/hsv_s/hsv_v、fliplr。对于头盔检测，最有用的增强是：

• mosaic：4张图拼一起，增加小目标出现频率；
• 夜间亮度变化：把hsv_v的range拉大，模拟暗光；
• 随机裁剪和仿射变换：增强戴盔的人被杆子、手部遮挡的情况。

划分数据集时注意不要随机分，而要按照视频来源/时间分。比如你录了三个视频，应该让同一段视频的帧只出现在train或val中，否则验证集是“作弊”的，测出来mAP虚高。这是我踩过的坑之一。划分比例7:2:1或8:2都可以，但val至少要有300张以上，否则mAP波动太大。

4. 训练与调参：让头盔检测模型在100轮内收敛到90% mAP

4.1 数据配置：写对helmet.yaml，别让训练静默跑偏

ultralytics训练需要自己的YAML配置，指定训练集、验证集和类别信息。常见错误是把图片和标签放在同一个文件夹，或者路径写成绝对路径换机器后失效。我一般在项目根目录放一个helmet.yaml，内容这样：

path: ./helmet_dataset train: images/train val: images/val names: 0: helmet_ridden 1: no_helmet

path是数据集根目录，train和val是相对根目录的图片路径。labels与images并列，ultralytics会自动到images/train同级的labels/train里找txt。这里有一个隐藏规则：图片路径下必须存在对应的同名txt，否则训练时该图片直接跳过，而且不报错，导致mAP虚高。新手最容易在这地方翻车。

4.2 训练命令和关键参数：从预训练权重开始，别从零训练

训练不要自己从头搭模型，用官方预训练权重做迁移学习。命令如下：

yolo detect train \ data=helmet.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ optimizer=AdamW \ patience=15 \ workers=8

逐行说明：data指向刚才写的yaml；model用yolov8n.pt，第一次运行会自动下载COCO预训练权重，如果你网络环境没法访问，可以先把权重下载好后放到目录里；epochs设100，头盔数据集小，100轮足够，多反而过拟合；imgsz用640，如果你的摄像头画面是1080P且头盔占比小，可以提高到960或1280，但显存占用指数上涨；batch=16是一个均衡值，8G显存能跑；lr0=0.01配合AdamW，是ultralytics默认推荐，SGD则需要调低到0.001；patience=15表示15轮mAP没有提升就早停，防止晚上睡觉后训练跑过头。

训练日志里重点看两类指标：box_loss和cls_loss是否单调下降，val的mAP50是否稳步上升。如果loss降了但mAP不动，大概率是标签和图片对不上，或者类别定义有问题。训练过程中不要频繁改参数，等一轮结束再看趋势。

4.3 验证与评估：不只盯着mAP，要看漏检和误检

训练完生成best.pt和last.pt，验证命令是：

yolo detect val model=best.pt data=helmet.yaml batch=32

输出包含mAP50和mAP50-95。对于头盔检测这个场景，mAP50比mAP50-95更实用，因为最终决策只要IoU大于0.5就算命中。如果mAP50在90%以上，基本可以进入部署环节。但mAP是整体统计，掩盖了小目标漏检，建议额外看一下混淆矩阵和PR曲线。混淆矩阵里最容易出现的是类别0和类别1互相混淆，这说明两类目标在视觉上太像——常见原因是标注时把“戴着头盔但头盔很小”标成了no_helmet。

如果目标是做系统，我还会把验证结果的预测图导出来，人工看几百张。这不是玄学，目标检测项目的数据bug，很多都靠人工翻图才能发现，比如标签错位、漏标、遮挡框乱跳。

4.4 断点续训和最终权重选择

训练如果因为断电中断，不用从头开始：

yolo detect train model=runs/train/exp/weights/last.pt data=helmet.yaml epochs=100

断点续训用last.pt而不是best.pt，因为best.pt是mAP最高点，但对应的学习率状态可能不是最后状态。续训后epochs是指“总轮数”，不是“剩余轮数”——这个坑我踩过，续训设100会多训100轮，导致过拟合。最终选择权重时，别迷信best.pt，如果best.pt对应的验证损失很高但mAP高，说明是阈值巧合，我一般选训练后期稳定轮次的权重，用验证视频实测效果定版本。

5. 避坑清单：头盔数据集最常见的5个翻车点

5.1 mAP一直为0：先查标签文件是不是空的

现象：训练loss下降，但是val结果全为0，输出图片上一个框都没有。 原因：ultralytics在数据目录下没找到任何标注文件时不会报错，只是静默跳过全部图片。 解决：检查labels目录里是否有txt，且txt非空；用脚本统计每个txt的行数，如果全是0，回看转换脚本的类别名是否匹配。

5.2 推理时头盔小目标漏检

现象：大头盔能检测，远处的小头盔就是预测不到。 原因：模型输入是640x640，原图压缩后小目标只有十几个像素，特征丢失。 解决：提高imgsz到960或1280；或者在预处理时对图像做切片推理（SAHI），把大图切成重叠块分别检测再合并。后者能立竿见影，但推理时间也成倍增加。

5.3 显存溢出

现象：batch=16报CUDA out of memory。 原因：显卡显存不够，或者后台有其他进程占显存。 解决：先看nvidia-smi确认显存占用；将batch降到4或8；同时开启梯度累积。注意，降batch会影响BN统计，所以尽量用更大的batch，显存不够时用累积模拟大batch。

5.4 torch.cuda.is_available()返回False

现象：训练完全在CPU上跑，慢到怀疑人生。 原因：PyTorch装成了CPU版，或者CUDA版本与显卡驱动不匹配。 解决：用python -c "import torch;print(torch.cuda.is_available())"验证；如果是CPU版，需要卸载重装。NVIDIA显卡驱动更新后，老CUDA也经常失效，所以安装前用nvidia-smi查出驱动支持的最高CUDA版本，再选PyTorch对应wheel，这也是深度学习环境配置里最常见的坑。

5.5 标注框整体偏移导致检测框错位

现象：训练后模型检测框偏左/偏上，像是整体平移。 原因：VOC转YOLO时用错了图像宽高，或者XML里的size和实际图像不一致。 解决：转换脚本里打印一行日志，对比XML的width/height和实际图像尺寸；另外很多标注工具会生成旋转框，如果坐标带theta，就需要用旋转框公式，而不是直接取min/max。头盔检测场景不需要旋转框，直接忽略theta就好。

6. 从模型到系统：ONNX/TensorRT导出与摄像头实时检测

6.1 导出ONNX和TensorRT：边缘部署的必由之路

训练得到的best.pt是PyTorch权重，生产环境不会直接用它跑，因为加载慢、显存高。我一般先导出ONNX做跨平台验证，再在目标设备上转成TensorRT：

yolo export model=best.pt format=onnx opset=12 yolo export model=best.pt format=engine device=0 half=True

ONNX的opset可以指定12，兼容性强。engine是TensorRT专有格式，half=True用FP16推理，速度能翻倍。导出后最好在Jetson或者带TensorRT的电脑上测一下速度，确认模型推理延迟低于50ms，否则实时性无从谈起。

6.2 摄像头实时检测：一版能跑通的推理脚本

部署端我用OpenCV读摄像头，配合ultralytics的predict接口做推理：

import cv2 from ultralytics import YOLO model = YOLO("best.engine") # TensorRT引擎 cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720) while True: ret, frame = cap.read() if not ret: break results = model(frame, conf=0.25, iou=0.45, verbose=False) annotated = results[0].plot() cv2.imshow("helmet detection", annotated) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

这段脚本的核心是模型推理接口，conf和iou两个参数要现场调。conf设太低会出现头盔误检，设太高会漏掉小目标；iou是NMS阈值，多人聚集时设0.45比较稳。如果只需要报警，不要每帧都判断，增加一个计数窗口，比如连续3帧检测到未戴头盔再触发，否则单帧抖动会造成误报。验证方法也简单：准备一段10分钟实拍视频，逐帧统计检测框和人工标注，算出漏报率。这个数值才是系统能否投入的关键，mAP高并不代表现场能用。我自己在头盔检测上栽过的跟头，基本都写进避坑清单了。希望这个从数据到部署的完整路径能帮到你。

本文还有配套的精品资源，点击获取