简介这是一套面向玩手机识别检测任务的高质量数据集采集自室内监控摄像头适用于岗位分心监测、课堂行为分析、安防管理等场景也能用于课程设计、算法比赛与真实项目部署。完整数据集共4974张图片当前压缩包内提供其中一部分共4126个文件包含1375张jpg监控原图以及对应的VOCxml和YOLOtxt标注文件另附一个7z文件用于获取剩余数据整体约991.65MB。数据集源自博主实际项目室内背景丰富人物玩手机姿态多样、多角度抓拍类别统一标注为“playphone”标注精准、质量可靠主流目标检测算法可直接使用。目前已有773人学习下载适合需要快速获得优质训练数据的开发者与研究者省去自行标注和格式转换的时间配套的7z下载说明也能保证完整数据集的延续使用尤其适合目标检测方向的学生和算法工程师。1. 玩手机数据集监控摄像头拍出来的 4974 张标注图直接拿来训 YOLO 就行室内玩手机检测数据集换成实际场景就是岗位分心监测、教室纪律巡查、工厂工位违规操作这类任务。这套数据一共 4974 张监控摄像头多角度抓拍背景不重样玩手机姿态跨度很大最关键的是标签给了 VOCxml、YOLOtxt、JSON 三种格式类别就一个——「playphone」。听起来简单但做过目标检测的都知道单类别数据集最考验标注质量边界框稍微松一点最终 mAP 就得往下掉。这套数据是博主实际项目用过的迭代训练过几轮没有脏标签那种坑。适合谁两类人——一是要做毕设和课设的学生二是做岗位监控产品原型验证的工程师。你不用从零扒图、标注、清洗解压出来就能直接进训练脚本对新手友好对老手省时间。数据文件比较大第二部分在下载链接里单独给这是包里结构设计的问题先有个心理预期后面细说。2. 数据集内部结构与三种标签格式先从文件命名和标注长什么样说起2.1 图片文件的命名规则与实际内容分布下载后解压第一部分你会看到 PlayPhoneRoom_1182.jpg、PlayPhoneRoom_1208.jpg 这种格式的图片前缀固定是 PlayPhoneRoom后面是递增编号。这个命名看起来简单但实际项目里有个隐性好处编号断点能让你快速判断有没有缺图。比如从 1157 到 1329中间如果部分编号缺失说明作者做了数据清洗剔除这是正常现象。如果你拿到别的数据集发现编号完全连续无断点反而要警惕是不是没筛过坏图。从内容看室内监控摄像头角度是俯拍和平视混合光照条件有强光、背光和暗光背景有办公桌、会议室、操作台、教室等。这种多样性比单一背景数据训练出来的模型泛化能力强不少实测在真实场景里不容易过拟合。所有图片统一是室内画面没有室外场景做室外玩手机识别的话需要额外补充数据。提示图片编号如果出现 1182、1208 这种跳跃不用纠结作者保留的每一张都是可用样本实际训练中不会因为编号跳段导致数据读取错误。2.2 VOCxml格式我推荐你先打开这个文件看一眼标注质量VOC 格式每个图片对应一个同名 xml 文件根节点是 annotation里面嵌 folder、filename、size、object 等字段。object 节点里包含 name、pose、truncated、difficult 以及 bndboxxmin、ymin、xmax、ymax。这套数据的 xml 文件里name 统一是 playphone没有多类别混标这个非常关键。打开 xml 文件看到真实标注后重点检查 bndbox 四个坐标是否落在人体手部区域附近。因为监控是俯拍角度畸变会产生拉伸感标注时容易出现手部框偏大或偏小的情况。这套数据的标注框整体比较贴合手部轮廓没有出现框了半边身子那种业余标注这一点在后续训练时直接影响 anchor 尺寸的聚类结果。如果你用的是官方 SSDLite 或 YOLOv8 默认 anchor这类边角框多一点会拉低召回率。2.3 YOLOtxt格式相对中心坐标归一化直读即可用YOLO 格式的 txt 文件每行一个目标格式是class_id x_center y_center width height所有值都是归一化的除以图片宽高范围在 0 到 1 之间。这套数据的 txt 文件里class_id 全是 0对应类别文件 classes.txt 里定义的 playphone因为只有单类所以值为 0 是正确且唯一的。归一化坐标计算方式是从 xml 的 bndbox 转换而来x_center ((xmin xmax) / 2) / image_widthy_center ((ymin ymax) / 2) / image_heightwidth (xmax - xmin) / image_widthheight (ymax - ymin) / image_height转换脚本全网很多但拿来直接用容易踩坑的是小数位精度。这套数据 txt 里的小数保留了六位精度足够不用再二次处理。训练时 YOLO 读入 txt 会重新映射到原图坐标这里六位小数换算回像素位置误差在 0.001 像素级可以忽略。2.4 JSON 格式标注字段结构与其他框架的兼容转换JSON 格式是这套数据的第三种标签形态文件结构比较规整包含 images、annotations 两个顶层数组。images 数组里是 image_id、file_name、width、height 四个字段annotations 数组里是 image_id、category_id、bbox、area 字段。bbox 按 [x, y, width, height] 排列这里 x、y 是左上角坐标不是中心坐标。如果你之前用过 COCO 数据集会发现这个 JSON 是类 COCO 的简化版少了 segmentation、iscrowd 等字段但不影响检测任务训练。如果是做实例分割需要额外补 segmentation 标注这套数据不直接支持分割训练。从 JSON 反向转换到 VOC 的脚本也不难写核心是读取 annotations 里的 bbox再除以 images 里的宽高生成归一化坐标最后回填进 xml 模板。注意三种格式虽然内容一致但坐标表示有差异VOC 和 JSON 是像素绝对坐标YOLO 是归一化相对坐标。混用时一定要先统一格式不要直接互拷数值。3. YOLO 训练全流程落地从目录规划到 mAP 评估一次跑通3.1 目录结构设计与数据集划分开始训练前先把数据集整理成 YOLO 项目标准目录结构。不能把所有图片和 txt 堆在一个文件夹里否则训练脚本读不到验证集和测试集。我一般会这样处理playphone_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── data.yaml └── classes.txt把前 80% 图片按编号顺序放进 train10% 放进 val10% 放进 test。划分前先shuf打乱顺序避免按编号单调导致连续场景归到同一个集合这会导致验证集和训练集场景分布不均衡。find images -type f | sort | shuf -n 4974 all_files.txt head -n 3979 all_files.txt train_list.txt sed -n 3980,4477p all_files.txt val_list.txt sed -n 4478,4974p all_files.txt test_list.txt这里是按 80% / 10% / 10% 的比例做随机划分使用shuf打乱样本顺序是为了防止图片编号连续来自同一时段监控录像从而造成数据泄露。验证集和测试集应该确保在时间和场景上尽量独立模型在训练集上学到的特征才能真正被泛化测试。3.2 编写 data.yaml 配置文件YOLO 训练读取一个 data.yaml 文件里面定义了数据集路径和类别信息。这个文件后缀为 yaml内容示例如下train: /path/to/playphone_dataset/images/train val: /path/to/playphone_dataset/images/val test: /path/to/playphone_dataset/images/test nc: 1 names: [playphone]train、val、test 路径一定要用绝对路径或相对于当前工作目录的正确相对路径。我的经验是直接用绝对路径最保险尤其是换机器跑的时候不容易出问题。nc 是类别数这里为 1names 列表里只有一个字符串 playphone顺序和 txt 文件里的 class_id 保持一致。3.3 基于 YOLOv8 的训练命令与参数解读以 ultralytics YOLOv8 为例训练命令如下yolo detect train \ dataplayphone_dataset/data.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ workers8 \ patience20 \ projectplayphone_run \ nameexp1命令里 model 参数用了 yolov8s.pt 作为预训练权重这是 COCO 80 类训练出来的模型迁移到单类玩手机检测任务收敛速度快很多。epochs 设 100配合 patience20 做早停也就是连续 20 个 epoch 指标不上升就自动停止防止过拟合。imgsz640 是输入分辨率这套数据本身是监控截图原始分辨率不会特别高640 足够。batch 要根据显存调16G 显存跑 16 没问题8G 的话降到 8。训练完成后best.pt 就是验证集上 mAP 最高的权重后续调用时直接指定这个文件即可。3.4 训练结果评估看哪些指标能判断模型能不能用训练日志里最后几行会输出 Precision、Recall、mAP50、mAP50-95 四个指标。单类检测任务主要看 Recall 和 mAP50因为玩手机目标小、角度变化大如果 Recall 低于 0.85说明有很多漏检这时候需要检查标注框是不是太小或者太密集。mAP50 到 0.9 以上说明模型在常规场景表现良好。如果 mAP50-95 和 mAP50 差距过大说明边界框框位不够精准IoU 阈值提高到 0.75 后检测结果就崩了这时候要考虑调高输入分辨率到 768。除了跑测试集我还会抽 50 张完全不参与训练的视频帧做人工验证把最佳模型跑一遍推理打印结果图。只要人眼能看到的玩手机行为图里基本都有框且框内位置正确这个数据集的实用质量就算达标了。4. yolov8 训练自建玩手机检测模型的高频翻车现场五个踩坑点与修复方案4.1 txt 标签文件里出现空文件导致训练中断训练启动不久就报错Image ... has no labels或者训练曲线里 loss 直接是 nan。原因是部分图片在标注时目标过小有些工具会自动舍弃低于阈值的标签导致 txt 文件为空。解决方法是先扫描一遍 labels 目录下所有 txt 文件把空文件对应的图片从训练集和验证集移除。常见做法是先备份原目录再执行清理脚本。import os from pathlib import Path label_dir Path(playphone_dataset/labels/train) for label_file in label_dir.glob(*.txt): if label_file.stat().st_size 0: img_file label_file.with_suffix(.jpg) print(f移除空标签: {label_file} 及对应图片 {img_file}) label_file.unlink() img_file.unlink()这段代码会遍历标签文件夹找到大小为 0 的 txt 文件并删除同时把同名的 jpg 图片也删掉。删除前先打印出来确认避免误删。正常项目里总会有几个这样的边界样本删除后重新划分数据集即可。4.2 data.yaml 路径写错导致数据集加载为 0 张训练日志里出现train: Scanning ... 0 images是 data.yaml 里的路径不对或者 images 和 labels 目录没有配对。YOLO 在读取训练集时会从图片路径推导标签路径默认规则是找 images 同级的 labels 目录。我习惯于检查两点一是 data.yaml 里的路径是不是真实存在二是 labels 目录下的 txt 文件和 images 目录下的 jpg 文件名是否一一对应。直接执行ls和diff就可以快速验证ls playphone_dataset/images/train | head ls playphone_dataset/labels/train | head如果 names 列表里类和 txt 的 class_id 不匹配也会报维度错误或训练 mAP 为 0此时需要统一 classes.txt 和 data.yaml 中的 names。4.3 YOLOv8 训练出来的模型检测不到极小目标监控摄像头里手部在画面中面积占比很小如果按 640 分辨率缩放可能手部区域不足 20 像素模型完全看不清。这种问题不是数据集的问题而是输入尺度不匹配。解决思路有两条一是把 imgsz 调到 768 或 1024增加小目标在特征图上的像素占比二是在训练前做数据增强把原始图片按 1.5 倍随机裁剪后再喂给模型相当于放大局部区域。后者可以用 YOLO 自带的 mosaic 和 mixup 增强来完成超参配置里提高 mosaic 的启用概率即可。yolo detect train \ dataplayphone_dataset/data.yaml \ modelyolov8s.pt \ imgsz768 \ mosaic1.0 \ close_mosaic10mosaic 参数设为 1.0 表示每个训练 batch 都执行拼接增强close_mosaic10 意思是最后 10 个 epoch 关闭 mosaic恢复原图分布做精调。这是 YOLOv8 脚本里比较实用的两个参数组合。4.4 类别标签出现非零值导致训练维度报错训练时报错IndexError: index 1 is out of bounds for axis 0 with size 1这是因为某个 txt 文件第一列写了 1但 nc 是 1类别索引最大只能到 0。原因可能是格式转换脚本里类别编号没从 0 开始。排查方法awk { for(i1;iNF;i){ if($1 0){ print FILENAME, $0 } } } playphone_dataset/labels/train/*.txt这条命令把 labels 目录下所有 txt 文件里第一列大于 0 的行打印出来一旦有输出就找到问题文件了。修复方式是这一行开头的数字强制改为 0。这个场景常见于从 VOC 转换时类别名和编号映射表错位。4.5 验证集 loss 持续震荡但训练集 loss 正常训练曲线里 train loss 平滑下降val loss 波浪起伏不降这是典型的训练集和验证集分布不一致。前面我强调一定要shuf打乱再划分如果按编号顺序切分前面大部分图片是同一时段监控画面验证集却是另一时段亮度、人员密度完全不同模型自然无法泛化。注意数据划分不是简单的前 80% 后 20%必须随机打乱且不能只打乱一次每次训练前重新 shuffle 一次更稳。如果问题持续检查是否部分场景图片重复出现监控视频抽帧数据容易有连续帧相似度过高的问题需要用帧间隔筛选去重。5. 一套迁移学习的小技巧用 pre-trained 权重把侧脸低头玩手机的场景也捡起来模型训练完成后最好再做一次针对难样本的增量训练。这个数据集的监控角度包含大量俯拍但有些角度下手机屏幕反光严重人眼都很难一眼看清是否在玩手机模型也容易漏。我常用的做法是用已经训好的 best.pt 作为预训练权重对困难样本集合做一次小 epoch 的 fine-tune。困难样本从哪里来把初次训练模型对验证集做推理把所有置信度在 0.2 到 0.5 之间的检测框单独导出再配合原图裁剪成小图人工过一遍。判断哪些是漏检哪些是误报。把真正的漏检图片复制到一个 hard_examples 文件夹作为新训练集的额外样本。import cv2 import torch from ultralytics import YOLO model YOLO(playphone_run/exp1/weights/best.pt) results model.predict( sourceplayphone_dataset/images/val/, conf0.2, save_confTrue, save_txtTrue, projecthard_examples, ) print(f低置信度检测数量: {len(results)})conf 设置到 0.2 是比较低的下限这个阈值下模型会输出大量低分框。对这些框对应的图片做人工复核通常会有 10% 到 20% 是真实目标。把它们挑出来重新训练模型对复杂角度和低光照的适应能力会有明显提升。增量训练和首次训练的区别是 epochs 要减少到 30 以内学习率调低防止灾难性遗忘yolo detect train \ dataplayphone_dataset/data.yaml \ modelplayphone_run/exp1/weights/best.pt \ epochs30 \ lr00.001 \ imgsz768 \ batch12lr0 降到 0.001是原始训练参数的十分之一到五分之一这样新数据只是微调参数不会把之前学到的特征全部覆盖。增量训练结束后再看验证集的 Recall 和 mAP50如果 Recall 提升 2 到 3 个百分点说明难样本策略有效。从那以后我每次拿到监控类数据集都会先抽出最难的那批验证集帧单独跑一遍推理把置信度 0.5 附近的样本全部过目一次再决定要不要增量训练。这个过程多花两小时但换来的模型在真实环境里的漏检率能低一个档次。希望这套数据和训练流程能帮你在玩手机检测任务上少踩几个跟头顺利把模型精度提上去。本文还有配套的精品资源点击获取