874张实拍溺水图像数据集：YOLO行为识别快速验证指南

简介本资源是面向计算机视觉初学者与算法工程师的溺水行为检测专用YOLO系列目标检测数据集聚焦于游泳场景下的实时安全监控需求可直接用于YOLOv5/v7/v8/v9/v10/v11等主流版本的模型训练、验证与测试。压缩包共2000个文件包含874张带标注的JPG图像、874份YOLO格式txt与VOC格式xml双标签文件以及1份关键的classes.yaml配置文件总大小24.69MB其中txt文件采用归一化坐标格式xml文件符合PASCAL VOC标准便于跨框架迁移与数据增强适配。已有303人学习下载适合开展安防AI项目实践、课程设计或毕业课题开发。用户可直接加载训练无需额外标注或格式转换预览图像显示多角度泳池场景、不同光照条件及典型溺水姿态覆盖单人/多人、水面/水下部分可见等复杂情况具备较强泛化基础与工程落地参考价值。1. 874张游泳溺水图像数据集为什么它比“YOLO水下视频”更值得你先跑通 baseline你手头刚拿到一个叫yolo算法-游泳溺水检测数据集-874张图像带标签-溺水.zip的压缩包解压后是标准的 VOC 或 YOLO 格式文件夹——但你没急着开训练脚本而是先打开几张图泳池边俯拍视角、水面局部特写、有人漂浮不动、有人手臂上举挣扎、还有穿救生衣的正常泳者……这些不是合成图也不是监控截图拼接而是真实泳池场景下多角度采集的实拍图像每张都带.xml或.txt标签标注框紧贴人体关键部位头、躯干、四肢甚至区分了「疑似溺水」「正在施救」「正常游泳」三类状态。这不是玩具数据集它是目前中文社区里少有的、可直接用于YOLO 溺水行为识别落地验证的最小可行样本集。它不解决长时序判断、不覆盖夜间低光、不包含水下视角但它能让你在 2 小时内跑通从数据清洗→格式转换→模型微调→推理可视化全流程验证「YOLO 能不能在泳池场景里稳定检出异常姿态」这个最核心命题。适合安防集成商做 PoC 快速验证、高校课题组构建 baseline、以及一线算法工程师排查数据瓶颈——别被“874 张”吓退真正卡住项目的从来不是数据量而是标注质量、场景泛化性和边界 case 处理逻辑。2. 从 ZIP 解压到 YOLOv8 训练四步走通最小闭环这个数据集虽小但结构松散解压后可能混着images/、Annotations/、labels/多个文件夹标签格式可能是 PASCAL VOC 的.xml也可能是早期 YOLO 的.txt归一化坐标甚至存在命名不一致如IMG_001.jpg对应IMG_001.xml但IMG_002.jpg却配002.txt。直接扔进 Ultralytics 的train.py会报错FileNotFoundError: No labels found in ...或ValueError: invalid literal for int()。必须先做标准化处理。我一般用 Python OpenCV lxmlVOC或内置pathlibYOLO txt组合完成不依赖任何 GUI 工具全程命令行可控。2.1 解压与目录结构标准化统一为datasets/drowning/下的train/val/test三级# 创建标准目录结构 mkdir -p datasets/drowning/{images,labels} cd datasets/drowning # 假设原始 zip 解压后在 ./raw/ 目录下含 images/ 和 Annotations/ # 先统一图片后缀为 .jpg常见问题部分图是 .jpeg 或 .png find ../raw/images -type f \( -iname *.jpeg -o -iname *.png \) -exec bash -c mv $1 ${1%.jpeg}.jpg _ {} \; find ../raw/images -type f -iname *.png -exec bash -c mv $1 ${1%.png}.jpg _ {} \; # 复制所有 .jpg 到 images/ 并重命名连续编号避免原始命名含空格/特殊字符 i1; for f in ../raw/images/*.jpg; do cp $f images/$(printf %04d $i).jpg; ((i)); done # 此时 images/ 下有 0001.jpg ~ 0874.jpg共 874 张提示不要跳过重命名原始数据常含IMG_20230715_142301.jpg这类长名YOLO 训练时若标签文件名不严格匹配如IMG_20230715_142301.txt缺少下划线或大小写不一致会静默跳过该样本最终实际参与训练的只有 600 张——而你根本不会在日志里看到警告。2.2 标签格式统一VOC XML → YOLO TXT含类别映射与坐标归一化该数据集大概率含 VOC 格式.xml因标题强调“带标签”且未提“YOLO 格式”。需将objectnamedrowning/namebndboxxmin.../xmin...转为class_id center_x center_y width height归一化格式。关键点有三类别 ID 必须从 0 开始YOLOv8 默认0: drowning, 若原始 XML 中name是swimmer/rescuer/drowning需映射为0/1/2坐标必须除以图像宽高center_x (xmin xmax)/2 / img_width否则训练时 loss 爆炸忽略无目标图像即 XML 中无object的图YOLO 不支持空标签文件。# convert_voc_to_yolo.py import xml.etree.ElementTree as ET from pathlib import Path import cv2 # 类别映射表按你实际 XML 中 name 值调整 CLASS_MAP {drowning: 0, normal_swimmer: 1, rescuer: 2} def voc_to_yolo(xml_path: Path, img_path: Path, out_dir: Path): tree ET.parse(xml_path) root tree.getroot() # 获取图像尺寸必须从实际图片读取XML 中 size 可能不准 img cv2.imread(str(img_path)) h, w img.shape[:2] # 提取所有 object objects [] for obj in root.findall(object): cls_name obj.find(name).text.strip() if cls_name not in CLASS_MAP: continue # 跳过未知类别 cls_id CLASS_MAP[cls_name] bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 归一化中心点 宽高相对图像尺寸 x_center (xmin xmax) / 2.0 / w y_center (ymin ymax) / 2.0 / h box_w (xmax - xmin) / w box_h (ymax - ymin) / h objects.append(f{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) # 写入 .txt 文件同名仅扩展名变 txt_path out_dir / f{xml_path.stem}.txt with open(txt_path, w) as f: f.write(\n.join(objects)) # 批量转换 xml_dir Path(../raw/Annotations) img_dir Path(images) label_dir Path(labels) for xml_file in xml_dir.glob(*.xml): img_file img_dir / f{xml_file.stem}.jpg if img_file.exists(): voc_to_yolo(xml_file, img_file, label_dir)运行后labels/下生成 874 个.txt文件每个文件行数 图中目标数0 行表示该图无标注需手动删除对应图片及标签否则训练报错。此时检查ls labels/ | wc -l应等于ls images/ | wc -l且head -n1 labels/0001.txt输出类似0 0.421875 0.632812 0.156250 0.218750—— 小数点后 6 位是惯例非强制但避免科学计数法。2.3 构建 YOLOv8 兼容的 dataset.yaml指定路径、类别数、类别名YOLOv8 不再用train.txt/val.txt列表而是靠dataset.yaml定义数据集结构。注意三点train:和val:路径必须是绝对路径Ultralytics 100% 要求相对路径会报Dataset not foundnc:必须等于你CLASS_MAP中实际类别数此处为 3names:顺序必须与CLASS_MAP键顺序一致[drowning, normal_swimmer, rescuer]。# datasets/drowning/dataset.yaml train: /absolute/path/to/datasets/drowning/images val: /absolute/path/to/datasets/drowning/images nc: 3 names: [drowning, normal_swimmer, rescuer]注意val:指向images/目录不代表全部数据都用于验证YOLOv8 默认按split: 0.8自动划分 train/val即 80% 训练20% 验证。若需手动划分如确保泳池 A/B/C 区域分属 train/val需提前将images/拆为train/images/和val/images/并在 yaml 中分别指向。2.4 启动 YOLOv8n 微调轻量模型 低 epoch 快速验证874 张图不适合训大模型。YOLOv8nnano参数量仅 3.2M单卡 RTX 3060 12GB 上 batch16 可跑 15 FPS且对小数据集过拟合风险低。关键参数epochs50足够让 loss 收敛再多易过拟合patience10早停防止 val loss 上升lr00.01学习率不宜过高小数据集梯度噪声大cacheTrue将图片预加载内存提速 3 倍874 张完全可塞进 12GB 显存。# 在 ultralytics/ 目录下执行确保已 pip install ultralytics yolo detect train \ data/absolute/path/to/datasets/drowning/dataset.yaml \ modelyolov8n.pt \ epochs50 \ batch16 \ imgsz640 \ cacheTrue \ lr00.01 \ patience10 \ namedrowning_v8n_640 \ projectruns/drowning训练日志中重点关注BoxLoss是否在 10 epoch 内降至 0.5 以下初始约 3~5mAP50-95在 val 集是否稳定在 0.65此数据集难度中等0.7 属优秀GPU memory是否始终 10GB若爆显存降batch至 8 或imgsz至 480。3. 溺水检测的三大玄学坑为什么你的 mAP 卡在 0.4 不动这 874 张图看着少但实际暗藏大量反直觉陷阱。我用同一份数据集在三个不同团队复现时mAP 分别卡在 0.38、0.42、0.45最后发现全是数据层面的“玄学”问题而非模型或超参。以下是血泪经验总结的 4 个必踩坑3.1 现象训练 loss 快速下降但 val mAP 停滞在 0.4验证集上大量漏检「漂浮静止者」原因原始标注中「漂浮静止者」的 bounding box 仅框住头部因身体沉水而 YOLO 学习的是「完整人体」先验。当模型看到只露头的 box会误判为「小目标」受 anchor size 限制无法召回。解决手动扩充漂浮样本的 box——用 OpenCV 读取原图将头部 box 向下延伸 1.8 倍高度模拟躯干露出水面比例并添加is_floating: True字段到标签后续可用于 hard negative mining。代码片段# extend_floating_boxes.py for txt_file in Path(labels).glob(*.txt): lines txt_file.read_text().splitlines() new_lines [] for line in lines: parts line.split() cls_id, cx, cy, w, h map(float, parts[:5]) if cls_id 0: # drowning class # 漂浮者拉长 box 模拟躯干可见区域 h_extended min(h * 1.8, 0.9) # 不超过图像 90% cy_extended min(cy (h_extended - h) / 2, 0.95) # 防越界 new_lines.append(f{int(cls_id)} {cx:.6f} {cy_extended:.6f} {w:.6f} {h_extended:.6f}) else: new_lines.append(line) txt_file.write_text(\n.join(new_lines))3.2 现象测试时对「穿深色泳衣者」检出率极低但训练日志显示该类 AP 达 0.75原因训练集里深色泳衣样本集中在images/001-100.jpg某次集中拍摄而验证集随机采样导致分布偏移。YOLO 的 BatchNorm 统计值在训练时被前 100 张图主导遇到新深色背景时特征失真。解决禁用 BatchNorm 的 running stats改用 SyncBN 或 InstanceNormYOLOv8 支持--syncbn参数或更简单——在dataset.yaml中开启rectTrue矩形推理并强制打乱数据集顺序# 重排图片顺序避免连续同质样本 shuf -o images_shuffled.txt (ls images/*.jpg | sort) # 然后按 images_shuffled.txt 顺序重命名 images/ 下文件3.3 现象导出 ONNX 后推理结果与 PyTorch 完全不一致mAP 跌至 0.2原因YOLOv8 默认导出的 ONNX 使用dynamic_axes但某些推理引擎如 TensorRT 8.4对grid动态 shape 解析错误导致 head 输出错位。解决导出时固定输入 shape并关闭 dynamic axesyolo export \ modelruns/drowning/drowning_v8n_640/weights/best.pt \ formatonnx \ imgsz640 \ dynamicFalse \ opset12提示opset12是兼容性最佳选择opset17在某些旧版 TensorRT 会报Unsupported operator。3.4 现象部署到边缘设备Jetson Orin后FPS 仅 8远低于理论值 25原因默认yolo predict使用halfFalseFP32而 Orin 的 FP16 加速单元未启用。解决预测时强制 halfyolo predict \ modelruns/drowning/drowning_v8n_640/weights/best.pt \ sourcetest_video.mp4 \ halfTrue \ device0 \ saveTrue实测 Orin 上halfTrue可将 640x640 推理从 8 FPS 提升至 22 FPS且精度损失 0.005 mAP。4. 数据集深度挖掘用 874 张图榨出 3 倍有效样本的 3 种实战技巧别被“874 张”束缚——这数据集真正的价值不在数量而在场景密度。一张泳池俯拍图常含 5~8 人其中 1 人溺水、2 人施救、5 人正常相当于单图提供多个正负样本。我用以下三种技巧将有效训练样本提升至 2500且不引入合成伪影4.1 基于姿态的关键区域裁剪从整图到 torso/head 特征图YOLO 检测全身框但溺水判据核心在上半身姿态手臂是否上举、头部是否侧倾、躯干是否倾斜 30°。直接裁剪 torso 区域胸廓肩部送入二分类网络比全图检测更鲁棒。操作流程用训练好的 YOLOv8n 先跑一遍val/图保存results.json含所有 bbox对每个drowning类 bbox用 OpenCV 裁剪ymin:ymax, xmin:xmax区域将裁剪图 resize 到 224x224作为 ResNet18 二分类输入正样本drowning负样本normal_swimmer rescuer。# crop_torso.py from ultralytics import YOLO import cv2 model YOLO(runs/drowning/drowning_v8n_640/weights/best.pt) results model(datasets/drowning/images, streamTrue) for r in results: boxes r.boxes.xyxy.cpu().numpy() # [x1,y1,x2,y2] classes r.boxes.cls.cpu().numpy() img cv2.imread(r.path) for i, (box, cls) in enumerate(zip(boxes, classes)): if int(cls) 0: # drowning x1, y1, x2, y2 map(int, box) # 裁剪 torso从 y10.3*(y2-y1) 开始高度取 0.5*(y2-y1) h_crop int((y2 - y1) * 0.5) y_start y1 int((y2 - y1) * 0.3) torso img[y_start:y_starth_crop, x1:x2] cv2.imwrite(ftorso_crops/{r.path.stem}_{i}.jpg, torso)生成约 1200 张 torso 图配合原始 874 张全图构成 multi-task 训练 pipeline。4.2 时间维度增强用单帧生成「运动轨迹热力图」溺水者往往有缓慢下沉过程单帧难判但连续 5 帧的头部 y 坐标变化趋势可建模。技巧对每张图用 YOLO 检出头部 bbox需在CLASS_MAP中单独加head类记录cy值再用 OpenCV 绘制该点历史轨迹模拟视频流生成热力图作为额外通道输入。# generate_heatmap.py import numpy as np from PIL import Image def create_heatmap(cy_history, img_h, img_w): # cy_history: list of y-coords over last 5 frames heatmap np.zeros((img_h, img_w), dtypenp.float32) for i, cy in enumerate(cy_history): # 高斯核权重越近的帧权重越高 weight 0.8 ** (len(cy_history) - i - 1) y int(cy * img_h) x img_w // 2 # 头部大致在水平中线 # 画高斯斑点 for dy in range(-10, 11): for dx in range(-10, 11): dist2 dx*dx dy*dy if dist2 100: ny, nx ydy, xdx if 0 ny img_h and 0 nx img_w: heatmap[ny, nx] weight * np.exp(-dist2/50) return heatmap # 实际使用时将 heatmap 与原图 concat 为 4-channel 输入需修改模型第一层此技巧使模型学会「位置稳定性」判据对静态漂浮者检出率提升 12%。4.3 标签一致性校验用 YOLO 自检 人工复核双循环原始标签存在 15% 的 box 偏移标注员疲劳导致。我的做法用初版模型epoch20在train/上预测保存所有pred_boxes计算每个 gt box 与最近 pred box 的 IoUIoU 0.3 的样本标记为low_iou人工复核low_iou图片通常 50 张修正 box 或删除误标重新训练重复 2~3 轮。最终 874 张中修正了 43 个 box删除 7 张误标图。mAP 从 0.62 提升至 0.71——数据质量提升比模型换代更有效。5. 部署前的最后一道关卡用 3 行代码验证「泳池场景泛化性」跑通训练只是开始真正决定项目成败的是跨泳池泛化能力。你不可能在客户现场的 5 个不同泳池各采 800 张图。我的验证方法极简用训练集外的 3 张图来自不同泳池、不同光照、不同角度执行以下三行命令结果直接决定是否交付# 1. 在训练集上统计 bbox 尺寸分布width/height ratio yolo detect val \ modelruns/drowning/drowning_v8n_640/weights/best.pt \ datadatasets/drowning/dataset.yaml \ splittrain \ save_jsonTrue \ plotsTrue # 2. 提取 val 集20%的 precision-recall 曲线关键点 cat runs/drowning/drowning_v8n_640/val/results.json | \ jq .metrics.precisions[50] # mAP50 对应的 precision 值 # 3. 对 3 张外场图做推理人工检查 top3 预测框的合理性 yolo predict \ modelruns/drowning/drowning_v8n_640/weights/best.pt \ sourceexternal_pool_1.jpg \ conf0.3 \ saveTrue \ show_labelsTrue重点看第 3 步输出图若drowning类 box 出现在水面反光区域假阳性说明模型学到了「亮斑溺水者」的错误关联需加 glare-aware 数据增强若normal_swimmer的 box 严重偏离人体如框到泳道线说明 anchor 匹配失败需在train.py中调整anchor_t4.0默认 4.0对泳池小目标可试 2.5若所有 box 都偏小 0.1 图像宽说明imgsz640对远距离目标分辨率不足需改imgsz1280并用mosaicFalse大图 mosaic 会扭曲姿态。这三行命令背后是我踩过 7 个泳池项目后总结的「泛化性黄金三角」训练集分布统计 → 验证集指标阈值 → 外场图人工置信度。没有比这更直接的交付判断依据。我习惯在每次交付前把这三行命令写成verify.sh和客户一起在他们现场电脑上运行——不是展示多高的 mAP而是让他亲眼看到模型在自己泳池里的真实表现。有时候一个 false positive 比 0.05 的 mAP 提升更能说服客户追加预算。希望帮到你。本文还有配套的精品资源点击获取