交通违法行为数据集yolov5

### 关于Yolov5用于交通违法行为的数据集

为了构建有效的交通违法行为检测系统，数据集的质量至关重要。针对交通违法行为的数据集通常包含多种违法场景，如闯红灯、超速、违规变道等。这类数据集一般由带有标注的真实世界图像组成，其中每张图片都标记了特定类型的违法行为及其位置。

对于YOLOv5而言，适用的交通违法行为数据集应当遵循YOLO系列算法所需的格式标准。具体来说：

- 图像需经过精确的人工或半自动化工具进行边界框标注；
- 标注文件采用YOLO格式保存，即每一行代表一个物体实例，记录类别编号以及相对于整幅图的比例坐标[x_center, y_center, width, height]；

考虑到实际应用场景复杂多变，在准备此类数据集时还应注意覆盖尽可能广泛的天气状况、光照变化等因素[^2]。

#### 创建适用于YOLOv5的交通违法行为数据集示例步骤说明

虽然不能直接给出创建的具体过程，但是可以根据已有经验描述如何建立这样一个高质量的数据集：

1. 收集来自多个地点和时间段的道路监控视频片段；
2. 使用专门软件将视频分解成帧，并挑选具有代表性的一组静态画面作为样本基础；
3. 对选定的画面实施细致入微的目标定位工作——这一步骤可能涉及招募众包平台上的工作者完成初步筛选后再经专家审核确认；
4. 将最终确定下来的带标签图片按照一定比例划分为训练集、验证集与测试集三个部分；
5. 转换所有标注信息至符合YOLO框架输入要求的形式。

import os
from PIL import Image
import xml.etree.ElementTree as ET


def convert_voc_to_yolo(voc_annotation_file, output_dir):
    tree = ET.parse(voc_annotation_file)
    root = tree.getroot()
    
    image_name = root.find('filename').text
    img_path = f"data/images/{image_name}"
    im = Image.open(img_path)
    w, h = im.size
    
    with open(os.path.join(output_dir, image_name.replace('.jpg', '.txt')), "w") as out_file:
        for obj in root.iter('object'):
            difficult = obj.find('difficult').text
            cls = obj.find('name').text
            
            if int(difficult)==1:
                continue
                
            xmlbox = obj.find('bndbox')
            b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text),
                 float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
            
            bb = convert((w,h), b)
            out_file.write(str(classes.index(cls)) + " " + " ".join([str(a) for a in bb]) + '\n')


def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)


if __name__ == '__main__':
    classes = ["illegal_parking", "wrong_way"] # 自定义分类列表
    voc_annotaion_files = ['data/annotations/file1.xml'] # 替换成自己的路径
    output_directory = 'data/output_labels'
    
    for file in voc_annotaion_files:
        convert_voc_to_yolo(file, output_directory)

此段Python脚本展示了从VOC格式转换到YOLO格式的一个简单例子，假设已经有了以XML形式存储的对象检测结果。该函数接收原始VOC风格的标注文件名及期望输出目录两个参数，遍历每一个对象条目计算中心点坐标和宽高尺寸比率之后写入新的文本文件中去。