高精度实时电动车头盔检测/摩托车头盔检测、电动车头盔数据集-毕业设计-YOLOv10/YOLOv9/YOLOv8/YOLOv7/YOLOv5

前言

本项目通过yolov10/yolov9/yolov8/7/5训练自己的数据集实现了电动车/摩托车头盔检测，操作视频和效果展示如下：
https://www.bilibili.com/video/BV1hj411k7Rx/share_source=copy_web&vd_source=138d2e7f294c3405b6ea31a67534ae1a

一、项目环境配置

不熟悉pycharm的anaconda的大兄弟请先看这篇csdn博客，了解pycharm和anaconda的基本操作。
https://blog.csdn.net/ECHOSON/article/details/117220445
anaconda安装完成之后请切换到国内的源来提高下载速度 ，命令如下：

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

首先创建python3.8的虚拟环境，请在命令行中执行下列操作：

conda create -n yolov8 python==3.8.5
conda activate yolov8

1、pytorch安装（gpu版本和cpu版本的安装)

实际测试情况是YOLOv8在CPU和GPU的情况下均可使用，不过在CPU的条件下训练那个速度会令人发指，所以有条件的小伙伴一定要安装GPU版本的Pytorch，没有条件的小伙伴最好是租服务器来使用。GPU版本安装的具体步骤可以参考这篇文章：https://blog.csdn.net/ECHOSON/article/details/118420968。
需要注意以下几点：
1、安装之前一定要先更新你的显卡驱动，去官网下载对应型号的驱动安装
2、30系显卡只能使用cuda11的版本
3、一定要创建虚拟环境，这样的话各个深度学习框架之间不发生冲突
我这里创建的是python3.8的环境，安装的Pytorch的版本是1.8.0，命令如下：

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意这条命令指定Pytorch的版本和cuda的版本
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可

安装完毕之后，我们来测试一下GPU是否可以有效调用：

2、pycocotools的安装

pip install pycocotools-windows

3、其他包的安装

另外的话大家还需要安装程序其他所需的包，包括opencv，matplotlib这些包，不过这些包的安装比较简单，直接通过pip指令执行即可，我们cd到yolov8代码的目录下，直接执行下列指令即可完成包的安装。

pip install -r requirements.txt

二、YOLOv10/YOLOv9/YOLOv8/YOLOv7/YOLOv5电动车/摩托车头盔检测算法

1、项目介绍

我们的项目包含特别详细的read.md文件和常见问题解答，关于本项目的任何问题都能在其中找到答案，对刚接触深度学习、目标检测的小白非常友好，兄弟们放心哈。

2、图片测试效果展示

可以看到，我们实验室的项目能对图片、视频中出现的电动车、摩托车、和骑车人的头盔佩戴情况进行有效检测，且准确率较高。

三、电动车/摩托车头盔自建数据集

1、数据集介绍

我们实验室手动收集、整理、标注了TWHD (two wheeler helmet dataset)数据集，包含5448张二轮车图片和对应的xml格式标签。我们对图片中的二轮车整体（two_wheeler）、未戴头盔的人头（without_helmet）、戴头盔的人头（helmet）使用软件进行了手动标注，并按4:1的比例划分训练集与测试集。此外，为了丰富数据集背景，还融合了来自bike helmet dataset以及网络爬虫的738张图片。本数据集可直接用于训练yolo系列等神经网络，可提供给兄弟们的毕设、课设项目及企业课题进行使用。数据集展示如下：

其中“Annotations”包含了5448个手动标注的xml格式标签，“ImageSets”文件夹里面为训练集、验证集划分对应的txt，“JPEGImages”文件夹里面为5448张JPG格式的包含电动车、摩托车、头盔的图片。

四、训练曲线等介绍

我们的项目代码还能自动生成训练过程的loss损失曲线、map平均准确度曲线，不用手动画（太麻烦了，能用代码做的事尽量不手动），兄弟可以直接将这些图插入论文或课设报告中。当然，也可以自己训练，重新生成对应的图。训练结束后，这些图和训练数据会存放在根目录下的logs文件夹中。

五、资源获取

见下方官方推广途径。