简介：本资源面向从事目标检测的开发者与学习者，提供一套复杂场景下的人员目标检测数据集，可用于YOLO系列模型的训练与验证。数据均为真实场景采集，覆盖多种光照、遮挡与背景条件，标注由labelimg完成，质量较高，并同时提供voc、coco和yolo三种格式标签，分别存放于不同文件夹，便于直接接入不同框架。压缩包共约2000个文件，以1986个xml标注文件为主，另含少量html说明文档、txt列表与py脚本，整体约552.93MB。资源附赠环境搭建与训练教程，覆盖Windows与Linux版本，并给出训练集、验证集、测试集划分脚本，可按需自行划分。已有284人学习下载，适合希望快速搭建人员检测基线、验证模型泛化能力或开展课程实践的用户参考使用。

1. 复杂场景人员检测数据集：5000 张图、三套标签和一套能跑通的划分脚本

监控画面里人挤人、逆光、遮挡、小目标，这种场景下拿公开数据集训出来的模型往往一上现场就拉胯。这份资源针对的就是这个痛点：5000 张真实复杂场景的人员图片，用 labelImg 逐张标注，同时给出 VOC（xml）、COCO（json）、YOLO（txt）三种格式标签，分别放在独立文件夹里，YOLO 系列可以直接吃。更实用的是它没只丢一堆图，还配了训练集/验证集/测试集划分脚本、Linux 和 Windows 两套环境搭建与训练教程，以及train_list.txt这类清单文件。适合谁？正在做人员检测落地、需要快速搭一个能复现的 baseline、又不想在数据格式转换上耗半天的从业者。下面按「数据长什么样 → 怎么划分 → 怎么训 → 坑在哪」拆开讲。

2. 三种标签格式的对应关系：VOC、COCO、YOLO 到底怎么选

2.1 先搞清楚三套标签的坐标系差异

同一张图，三种格式描述的其实是同一个框，但表达方式完全不同，这是后面所有转换和踩坑的根源。

VOC 的 xml 里，<bndbox>存的是xmin, ymin, xmax, ymax，绝对像素坐标，原点在左上角。COCO 的 json 里，bbox是[x, y, width, height]，同样是绝对像素，但给的是左上角加宽高，而且所有图片的标注集中在一个 json 的annotations数组里，靠image_id关联。YOLO 的 txt 则是归一化后的class x_center y_center width height，五个值全在 0~1 之间，每张图一个同名 txt，一行一个目标。

很多人第一次转格式翻车，就是把 COCO 的[x, y, w, h]当成[xmin, ymin, xmax, ymax]直接塞进 VOC 逻辑，框整体偏移半个身位。记住一句话：VOC 和 COCO 是绝对坐标，YOLO 是归一化中心点坐标。

2.2 这份资源里三套标签怎么放、怎么取

资源把三种格式分别放在不同文件夹下，好处是你不用自己转，坏处是容易拿错。我一般会先确认目录结构再动手，典型布局是这样：

# 查看数据集根目录结构，先摸清楚再写代码 ls -R dataset/ | head -50 # 常见结果： # dataset/images/ 原图 # dataset/labels_voc/ 每图一个 xml # dataset/labels_coco/ annotations.json # dataset/labels_yolo/ 每图一个 txt # dataset/ImageSets/ 划分后的 txt 清单

确认清楚后，选哪套取决于你的训练框架。Ultralytics 系的 YOLO 直接读 YOLO txt，路径规则是「图片目录替换 images 为 labels，扩展名换 txt」。如果你用的是 MMDetection 或 Detectron2，那 COCO json 更省事。VOC 一般只在老代码或某些评测脚本里用。

提示：三套标签的类别顺序不一定一致。YOLO 的 class id 从 0 开始，VOC 的类别是字符串，COCO 的 category_id 有时从 1 开始。混用前先对齐类别映射，否则会出现「人」被识别成别的类。

2.3 用脚本验证标签和图片是否一一对应

在训练之前，强烈建议先跑一遍一致性检查，这一步能省掉后面几小时的玄学报错。

import os img_dir = "dataset/images" lbl_dir = "dataset/labels_yolo" imgs = {os.path.splitext(f)[0] for f in os.listdir(img_dir)} lbls = {os.path.splitext(f)[0] for f in os.listdir(lbl_dir)} only_img = imgs - lbls # 有图没标签 only_lbl = lbls - imgs # 有标签没图 print("有图无标签:", len(only_img), list(only_img)[:5]) print("有标签无图:", len(only_lbl), list(only_lbl)[:5])

逻辑说明：用集合差集找出不匹配的文件。参数上，img_dir和lbl_dir换成你实际的路径。如果only_img不为空，说明这些图没有标注，训练时要么剔除要么补标；如果only_lbl不为空，通常是图片被误删或扩展名不一致（jpg vs png）。我见过最坑的情况是图片是.JPG大写，脚本按.jpg找，结果全部对不上，训练直接报空标签。

3. 数据集划分脚本实操：train/val/test 怎么切才不翻车

3.1 三个划分脚本分别干什么

资源里带了三个脚本，名字很直白，但用途有区别：

• 训练集、验证集、测试集划分脚本（图片标签划分写入新文件夹）.py：把图片和标签按比例复制到新的 train/val/test 文件夹，物理隔离。
• 训练集、验证集划分脚本（图片标签划分写入新文件夹）.py：只切 train/val，适合数据量不大、不需要独立测试集的场景。
• split_train_val生成ImageSets下txt文件划分脚本.py：不复制文件，只在ImageSets下生成train.txt、val.txt等清单，记录文件名。

选哪个？如果你后续要反复调比例、又不想占磁盘，用生成 txt 的那个；如果要把数据集打包给别人或喂给只认文件夹结构的框架，用复制文件的那个。train_list.txt就是清单式划分的产物。

3.2 按 8:1:1 划分并写入新文件夹

下面是我常用的划分逻辑，和资源里复制式脚本思路一致，比例可调：

import os, random, shutil random.seed(42) # 固定随机种子，保证可复现 img_dir = "dataset/images" lbl_dir = "dataset/labels_yolo" out_root = "dataset_split" ratio = (0.8, 0.1, 0.1) # train, val, test names = [os.path.splitext(f)[0] for f in os.listdir(img_dir)] random.shuffle(names) n = len(names) n_train = int(n * ratio[0]) n_val = int(n * ratio[1]) splits = { "train": names[:n_train], "val": names[n_train:n_train + n_val], "test": names[n_train + n_val:], } for split, items in splits.items(): for sub in ("images", "labels"): os.makedirs(os.path.join(out_root, split, sub), exist_ok=True) for name in items: # 图片扩展名按实际情况改，这里假设 jpg shutil.copy(os.path.join(img_dir, name + ".jpg"), os.path.join(out_root, split, "images", name + ".jpg")) shutil.copy(os.path.join(lbl_dir, name + ".txt"), os.path.join(out_root, split, "labels", name + ".txt")) print(split, len(items))

逻辑说明：先固定random.seed，这是保证实验可复现的关键，否则每次划分结果不同，模型指标没法对比。ratio三元组控制比例，n_train和n_val用整除截断，剩下的全给 test，避免因四舍五入丢样本。复制时图片和标签必须同名同批移动，漏一个就会在训练时报「找不到标签」。

参数怎么改：数据量小于 2000 张时，建议 7:2:1 甚至 7:1.5:1.5，给验证留够样本；数据量上万时 9:0.5:0.5 也够。random.seed换成任意整数都行，但一旦定了就别改。

3.3 生成 ImageSets 清单式划分

如果你不想复制文件，用清单方式更轻量：

import os, random random.seed(42) img_dir = "dataset/images" out_dir = "dataset/ImageSets" os.makedirs(out_dir, exist_ok=True) names = [os.path.splitext(f)[0] for f in os.listdir(img_dir)] random.shuffle(names) n = len(names) n_train = int(n * 0.8) n_val = int(n * 0.1) with open(os.path.join(out_dir, "train.txt"), "w") as f: f.write("\n".join(names[:n_train])) with open(os.path.join(out_dir, "val.txt"), "w") as f: f.write("\n".join(names[n_train:n_train + n_val])) with open(os.path.join(out_dir, "test.txt"), "w") as f: f.write("\n".join(names[n_train + n_val:])) print("清单已生成")

逻辑说明：只写文件名（不带扩展名），训练时框架按清单去 images 和 labels 目录取对应文件。这种方式磁盘占用几乎为零，适合大数据集。注意清单里的名字要和图片、标签严格对应，扩展名在读取时由框架拼接。

注意：划分前一定要先做 2.3 的一致性检查。如果存在有图无标签的样本，划分后这些图会进入某个 split，训练时直接报错中断。

4. 环境搭建与训练：Linux 和 Windows 两条路

4.1 Linux 下从零到能跑

资源里带了 Ubuntu 环境安装、YOLO 环境搭建和训练教程三份 HTML。按我的习惯，Linux 上走 conda 隔离环境最稳：

# 创建独立环境，避免污染系统 Python conda create -n yolo python=3.10 -y conda activate yolo # 安装 PyTorch，CUDA 版本按你的显卡驱动选 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 安装 ultralytics pip install ultralytics # 验证环境和 GPU 是否可用 yolo checks

逻辑说明：python=3.10是目前兼容性最好的版本，太新或太旧都容易在依赖上翻车。PyTorch 的 CUDA 版本要和nvidia-smi显示的驱动匹配，cu118 对应驱动 520 以上。yolo checks会打印环境摘要，重点看 CUDA 是否 available，如果是 False，说明装成了 CPU 版，训练会慢到怀疑人生。

4.2 Windows 下的差异点

Windows 教程思路一样，但有几个坑：一是路径反斜杠，配置文件里写C:\data\images容易转义出错，建议统一用正斜杠或双反斜杠；二是num_workers在 Windows 上设大了会卡死，一般设 0 或 2；三是某些 CUDA 版本和 Windows 驱动对不上，装之前先确认驱动版本。

4.3 用这份数据训一个人员检测模型

数据划分好、环境通了，就可以写训练配置。以 YOLO 的 yaml 配置为例：

# data_person.yaml path: /home/user/dataset_split # 数据集根目录 train: train/images val: val/images test: test/images nc: 1 # 类别数，人员检测就是 1 names: ['person'] # 类别名，顺序要和标签里的 class id 对应

# 开始训练，imgsz 和 batch 按显存调 yolo detect train data=data_person.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16

逻辑说明：nc和names必须和标签里的类别严格一致，人员检测只有一类，写错会导致训练时类别越界。model=yolov8n.pt是拿预训练权重做迁移，小数据集上比从零训收敛快得多。imgsz=640是常见输入尺寸，显存不够就降到 416 或 320，batch同步调小。epochs=100对 5000 张图通常够，看验证集 mAP 不再涨就可以早停。

参数怎么改：显存 8G 以下建议batch=8、imgsz=416；显存 12G 以上可以batch=32、imgsz=640。学习率一般不用手动设，ultralytics 有自适应策略，除非你发现 loss 震荡得厉害再调。

5. 避坑与排查：那些让我重训过三次的问题

5.1 训练 loss 正常但 mAP 一直是 0

现象：训练日志里 box_loss、cls_loss 都在降，但验证集 mAP 始终为 0 或极低。

原因：最常见的是类别映射错位。YOLO txt 里的 class id 是 0，但你的 yaml 里names写成了从 1 开始的类别，或者标签里混进了其他 class id。其次是标签坐标没归一化，直接写了像素值，模型学不到有效框。

解决：先抽查几个 txt，确认每行第一个数是 0 且后四个数都在 0~1 之间。再核对 yaml 的nc和names。用 2.3 的脚本统计一下所有出现过的 class id，多一个都别放过。

5.2 报错「No labels found」或标签路径找不到

现象：训练启动即报找不到标签，或警告大量图片被跳过。

原因：YOLO 默认按「images 替换为 labels」的规则找标签，如果你的目录名不是images/labels这种标准结构，或者图片是.JPG而标签是.txt但脚本按.jpg找，就会全部失配。

解决：要么把目录改成标准结构，要么在 yaml 里显式指定train和val指向图片目录，并保证同级有同名 labels 目录。扩展名大小写在 Linux 上敏感，统一成小写最省事。

5.3 划分后验证集指标虚高

现象：验证集 mAP 高得离谱，一上测试集就掉一大截。

原因：划分时没打乱，或者同一场景的连续帧被分到了 train 和 val，造成数据泄漏。监控视频抽帧的数据集尤其容易这样，相邻帧几乎一样，分到两边等于变相泄漏。

解决：划分前先random.shuffle，并且如果数据来自视频抽帧，最好按视频源或时间段划分，而不是按帧随机分。这份资源是真实场景图片，相对好一些，但如果你自己扩充了视频帧，务必注意。

5.4 显存溢出（CUDA out of memory）

现象：训练跑几步就 OOM 中断。

原因：batch或imgsz设太大，或者num_workers过高导致内存和显存双重压力。

解决：先把batch减半，再降imgsz。Linux 上num_workers可以设 4~8，Windows 上设 0~2。还可以开混合精度amp=True（ultralytics 默认开），能省不少显存。

5.5 中文路径导致读取失败

现象：Windows 下数据集放在中文目录，训练报编码错误或找不到文件。

原因：部分底层库对非 ASCII 路径支持不好。

解决：数据集路径全用英文和数字，别用中文、空格和特殊符号。这是血泪经验，改路径比改代码快得多。

6. 进阶技巧：用 train_list.txt 做可复现实验与快速验证

清单文件train_list.txt不只是划分产物，用好了能大幅提升实验效率。我一般会把它当成实验的「后悔药」：每次调整划分比例或增删数据，都生成一份带时间戳的清单，训练配置直接引用清单，这样任何一次实验都能精确复现当时用了哪些图。

具体做法是，在 yaml 里不写死目录，而是让训练脚本读清单动态生成数据列表。ultralytics 支持在 yaml 里用train: train.txt指向一个文本文件，文件里每行是图片路径。这样你换清单就等于换数据集，不用动目录结构。

# 生成带时间戳的清单，便于追溯 cp dataset/ImageSets/train.txt dataset/ImageSets/train_$(date +%Y%m%d_%H%M).txt

另一个技巧是快速验证。5000 张图全量训一轮要不少时间，调参阶段我会先抽 500 张子集跑通流程，确认标签、类别、路径都没问题，再上全量。子集清单直接从 train.txt 里取前 500 行即可：

head -500 dataset/ImageSets/train.txt > dataset/ImageSets/train_debug.txt

这样能把「数据问题」和「模型问题」分开定位，避免在全量训练上浪费几小时才发现是标签格式错了。

验证模型是否真的学到了东西，别只看 mAP。我会额外抽几张逆光、遮挡、小目标的图做推理，肉眼看看框的位置和置信度。如果 mAP 不错但实际画面里漏检严重，多半是验证集分布和真实场景不一致，这时候要回头检查划分策略，而不是继续调模型。

从那以后我每次拿到新数据集，都强制先走一遍「一致性检查 → 小样本跑通 → 全量训练」这三步，再急也不跳过。希望帮到你。

本文还有配套的精品资源，点击获取