红外热成像人员检测数据集 |红外检测 白热模式 人员检测 夜间监控 目标检测 YOLO格式 深度学习数据集 计算机视觉9067期

数据集概述

本数据集专注于白热模式红外热成像中的人员目标检测，服务于夜间安防、自动驾驶及应急救援。数据以白热化灰度风格呈现，适配低光照与无光环境下的人员识别与定位应用。

数据集核心信息

数据三要素解析

类别与场景

• 数据集定义 1 个核心类别：人员，聚焦于白热模式红外图像中的人员目标。
• 白热模式（White Hot）是红外热成像的一种常用调色板，将高温目标显示为白色/亮色，低温背景显示为黑色/暗色，使人员在图像中呈现高对比度亮斑，便于视觉识别。
• 标注中可能出现重复类别名（如 Person 与 person），建议在使用前统一合并，避免模型混淆。
• 图像总量约 2900 张，规模适中，适合作为红外人员检测任务的数据集。
  

格式与结构

• 采用通用 YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
• 图像与标签一一对应，数据结构规范，便于进行训练/验证集划分与预处理集成。

应用与扩展

• 数据集可扩展用于 人员姿态识别、人员计数与密度分析 及 行为识别（如奔跑、倒地）。
• 可结合 可见光与红外融合 技术，构建全天候行人检测系统。
• 可迁移至 工业热成像安全监控（如人员误入危险区域）等场景。

知识普及：红外热成像调色板的选择

红外热成像设备通常提供多种调色板方案，以增强特定目标的视觉对比度：

• 白热（White Hot）：高温目标显示为白色，低温为黑色。这是最常见的热成像显示模式，符合人眼对亮度的自然感知，适合快速发现高温目标。
• 黑热（Black Hot）：高温目标显示为黑色，低温为白色。在强光或雪地环境中可能更易观察。
• 铁虹（Ironbow）：使用彩色映射，高温为红/橙，低温为蓝/黑，可增强细节层次感。
  本数据集采用白热模式，已在大规模安防与自动驾驶数据集中广泛验证，具有良好的通用性。
  
  

快速开始（代码示例）

建议先将类别标签统一合并（如将所有 Person/person 映射为同一ID）。配置文件 data.yaml 示例：

train: ./dataset/images/train
val: ./dataset/images/val
nc: 1
names: ['person']  # 统一为小写

启动 YOLOv8 训练：

from ultralytics import YOLO
model = YOLO('yolov8m.pt')
model.train(data='data.yaml', epochs=80, imgsz=640, batch=16)

标签

红外检测 白热模式 人员检测 夜间监控 目标检测 YOLO格式 深度学习数据集 计算机视觉