简介面向电梯监控场景的目标识别项目资源用于识别电梯内视角的电动车与自行车适合毕业设计、课程设计、实训及学科竞赛使用。项目基于电梯内视角数据集微调 YOLO 预训练模型涉及迁移学习、目标检测与多目标跟踪等知识点并提供检测与跟踪两种技术路线检测方法对包含目标实例的每一帧返回标注图像跟踪方法在检测结果上做去重处理便于按需选用。压缩包共 134 个文件以 Python 源码34 个、YAML 配置34 个及 JPG/PNG 图像样本41 个为主其中 Python 脚本承载训练、验证与推理逻辑YAML 用于配置模型与数据参数图片样本来自电梯视角标注场景。另含 Dockerfile 环境配置、Markdown 说明、Jupyter Notebook 示例及辅助脚本整体仅 16.96MB目录结构清晰可快速复现。已有 64 人学习浏览代码经严格测试可直接运行覆盖数据准备、模型训练与推理等环节适合作为毕设、课设或竞赛项目的模板也可基于现有流程做二次开发或参考其中的设计报告组织项目方案。1. 电梯监控视角下的电动车识别一个看起来常规、落地上手才知道门道多的检测项目电梯监控里识别电动车这几年已经成了不少小区物业的刚性需求电动车进电梯上楼充电安全隐患大摄像头看到的又是俯视的轿厢画面。这类项目落到毕设、课设或竞赛里任务一句话就能说清——在电梯监控画面中把电动车和自行车框出来。很多人以为拿现成检测模型跑一遍就完事真正动手才发现俯拍、广角畸变、反光、小目标这些因素堆在一起通用模型的准确率直接掉一截。这篇笔记顺着这个方向从方案选型、数据集整理、训练调参到现场排错给出一套能复现、能在答辩和竞赛里站得住的完整做法适合手头只有一块消费级 GPU 的学生。2. 方案选型为什么电梯场景首选 YOLO以及模型版本怎么定电梯电动车识别在毕设和竞赛里绝大多数做的是目标检测不是图像分类也不是实例分割。这个决定不是拍脑袋而是和任务需求强绑定的。分类网络只输出一个全局标签告诉你这一帧有电动车但物业报警系统要的是目标的具体位置否则没法联动后续的语音提醒和告警上报。实例分割能给出像素级轮廓标注成本却比框高了一个量级课设和竞赛周期通常只有两三个月大量时间被标注吃掉模型和论文都来不及打磨。目标检测的边界框输出恰好落在“信息够用、成本可控”的位置上。2.1 电梯轿厢场景和普通道路检测差在哪电梯是一个机位极稳定的监控场景视角固定、高度俯视、画面里通常只有一个人和一辆车但稳定不代表简单。广角镜头产生的畸变会让车身在画面边缘被拉长同一个目标在不同位置的宽高比差异很大人推车进电梯时身体会大面积遮住车把和车座完整车身出现的有效时间往往只有一两秒不锈钢壁的反光和地砖倒影还会让车身颜色和轮廓在连续帧里剧烈变化。这些因素叠在一起通用检测模型直接拿来跑很容易出现“人遮挡时检不出、反光时误检出”的两头翻车。和道路车流检测不同电梯场景不存在普遍的小目标问题。人推车进电梯目标在 640×640 的输入下通常占几十到上百像素真正的难点是遮挡、畸变和光照不是尺度。这意味着数据增强的重点应该放在模拟遮挡、仿射畸变和亮度抖动上而不是反复做多尺度缩放。先把这个场景特点想清楚后面的增强策略和训练参数才有依据。我一般会先录几段真实电梯视频观察模型在哪里漏、在哪里误再决定数据集怎么搭这样比盲目加数据更省时间。2.2 模型版本不追新按毕设时间和显存选 YOLOv8n 还是 YOLOv5s社区里做电梯电动车识别主流还是 YOLOv5 和 YOLOv8 两个系列。版本新不代表适合你我选型的标准很直接显卡显存有多大、答辩前还剩多少时间、出了问题能不能快速搜到答案。手头是 6GB 显存的 RTX 3060首选 YOLOv8n。n 是 nano 版本参数量小COCO 预训练权重加载后640 输入下训练一个 epoch 只要几分钟800 张图的数据集跑 100 轮两三个小时能完成。这个训练节奏意味着你有多做几组对照实验的余量对毕设论文的实验章节帮助很大。如果项目偏课设、时间紧只想快速跑通一条完整流程YOLOv5s 也是稳妥选择。YOLOv5 资料更老更全训练报错时排查答案的速度快很多。至于 YOLOX 或 DETR 这类模型我不建议作为主线。YOLOX 的标注格式和训练脚本需要额外适配DETR 在几百张数据的小数据集上收敛慢训练时间翻倍性价比太低。竞赛做方案对比时可以额外跑一个 Faster R-CNN用一阶段和双阶段的差异支撑选型理由主线仍然放在 YOLO 上。2.3 加载 COCO 预训练权重能迁移什么不能迁移什么COCO 数据集里有 bicycle 类但没有电动自行车这个细分类也没有踏板式电动车。因此预训练权重的迁移效果是不对等的。加载 COCO 权重后模型对自行车的特征是熟悉的轮毂、辐条、车架三角这些结构在俯拍里依然可辨bicycle 类只需要很少的标注样本就能学到不错的特征。电动车是一个没有预训练语义的新类模型只能从零学样本量不够或场景单一很容易学到背景纹理而不是车身结构这是很多项目精度上不去的隐藏原因。所以流程上我一般先加载 COCO 预训练权重再把数据集类别数改成本项目的 2 类做迁移训练而不是随机初始化。随机初始化在 100 轮内很难收敛到可用 mAP预训练相当于把模型已经学会的视觉特征搬过来只需要在电梯场景上微调。这部分迁移学习分析也能直接写进论文的“关键技术”章节讲清哪一类受益、哪一类需要更多数据比贴一张网络架构图有内容得多。3. 数据集整理电梯视角下电动车与自行车的采集、标注与增强数据质量直接决定这个项目能不能用模型和参数反而排在后面。电梯电动车识别项目最常见的问题是训练集来自网络下载的平视图片验证集 mAP 不错一到真实电梯俯拍就漏检本质是训练和测试分布不一致。数据整理的第一原则是用贴近真实摄像头视角的图做训练而不是下载一堆背景干净的商品图。3.1 数据来源怎么配自采为主、公开数据为辅最可靠的数据是自己拍。找一处电梯手机横屏贴近轿厢内壁顶部模拟监控位置分别拍空电梯、人推自行车、人推电动车进出的视频。拍摄时覆盖几个变量白天、晚上、照明偏暗的时刻电梯门开和关的状态人站在车左侧、右侧、后方等不同位置。视频按每 3 到 5 帧抽一张图人工挑目标清晰、遮挡程度不同的帧30 分钟视频通常能筛出三四百张起步够用。公开数据集在电梯场景上很稀缺室外街道的自行车图可以少量补充用来增加车体角度和外观多样性但比例要克制。我的经验是俯拍自采和室外补充按 4:1 混合室外图超过这个比例会把模型带偏让它在俯拍下变得迟钝。网络图片用于课设和竞赛的非商业用途一般问题不大但不要在论文里放来源不明的图答辩评委对图片来源敏感这是容易翻车的细节。3.2 标注规则两类目标为什么比十类更容易标乱这个项目只有两个类但标注起来反而比十类的通用数据集更容易乱。电动自行车从外形上和普通自行车几乎没区别只是多了电池盒、电机或仪表盘不同人对“这算电动车还是自行车”的判断可能完全不同类别语义一旦乱了模型再强也学不出稳定边界。我给这类项目定规则时先写一份简短标注规范车身上有明显电池盒、电机凸起或仪表盘的标 ebike车身干净、看不出电动部件的标 bicycle当前帧无法判断的直接丢弃不要硬标。少一张存疑的图好过让模型多学一个错误样本。标注工具用 labelImg 或 X-AnyLabeling 都可以导出格式统一成 YOLO 的 txt每行是类和归一化坐标这个细节直接决定下一章训练能否跑通。3.3 针对性增强用 Albumentations 模拟电梯光照与运动模糊电梯场景的噪声集中在光照、反光和运动模糊增强的目标不是把图搞花而是让模型对亮度变化和轻微模糊不敏感。我用 Albumentations 做训练增强时保留下面这几个算子就够了import albumentations as A train_transform A.Compose([ A.LongestMaxSize(640), A.PadIfNeeded(min_height640, min_width640, border_mode0), A.HorizontalFlip(p0.5), A.RandomBrightnessContrast(brightness_limit0.25, contrast_limit0.25, p0.8), A.RandomGamma(gamma_limit(80, 120), p0.5), A.MotionBlur(blur_limit5, p0.3), A.Mosaic(p0.4), ], bbox_paramsA.BboxParams( formatyolo, min_visibility0.3, label_fields[class_ids] ))逻辑说明LongestMaxSize 和 PadIfNeeded 先把输入统一到 640避免直接拉伸变形。HorizontalFlip 在电梯场景是安全的轿厢画面左右对称翻转后目标仍是合理视角不要加 VerticalFlip电梯画面里目标不会上下颠倒。RandomBrightnessContrast 和 RandomGamma 模拟灯频闪和不同时段亮度差是整个增强里对现场泛化帮助最大的部分。MotionBlur 模拟人快速推车进梯产生的拖影Mosaic 把四张图拼成一张平衡目标比例分布代价是部分框被边缘切掉所以 min_visibility0.3 表示切掉超过七成的框直接丢弃。参数说明brightness_limit 不建议超过 0.3电梯画面再暗也不会暗成剪影拉太猛会让模型学到“暗处就是车身”这种错误关联。blur_limit 用 5 就够3 到 5 的核能模拟手持抖动和快速移动更大的核反而破坏车架轮廓。增强代码接在 PyTorch Dataset 里即可不需要把增强图落盘每轮在线生成变体相当于把数据集放大了几十倍。4. 训练与调参让检测器在电梯俯拍视角下真正收敛数据集就位后训练部分相对机械但也最考验耐心。电梯电动车识别项目在训练阶段的失败大多不是模型选错而是配置文件不规范、参数没按数据量调整、日志看不明白。下面按完整流程讲一遍。4.1 数据集配置文件与目录结构先写清楚再动手YOLO 系列对目录结构有固定要求。项目根目录下建 datasets/elevator 文件夹里面分 images 和 labels各自再分 train 和 val。图片和标签必须一一对应图片是 images/train/001.jpg标签就是 labels/train/001.txt文件名一致、扩展名不同这一步出错训练会报警告并丢数据。数据集配置文件用 YAML内容如下path: ./datasets/elevator train: images/train val: images/val names: 0: ebike 1: bicycle逻辑说明path 是数据集根目录的相对路径train 和 val 是相对根目录的图片子目录YOLO 会去同名 labels 目录下找标签。names 的顺序必须和标注时输出的类别 id 完全一致0 是 ebike、1 是 bicycle配置写反会出现 loss 正常下降但推理类别全部错位的情况。配置文件不需要写 nc 类别数Ultralytics 会根据 names 自动推断。4.2 训练命令和关键超参数这些参数按什么逻辑调Ultralytics 框架下训练命令很短但每个参数要有调整依据。以下是我常用的命令初学者可先复制再按显存调整 batchyolo detect train \ datadatasets/elevator.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience30 \ device0参数说明epochs 设 100对几百到一千张的电梯数据集足够再多大概率过拟合。如果曲线第 80 轮还在稳定上升可以用 last.pt 追加训练不必一开始就设 200。batch 设 16 是 6GB 显存下的保守值显存不够优先降 batch 到 8其次是 imgsz 从 640 降到 480不要同时降太多否则 BN 统计不稳定。lr0 默认是 0.01数据集小于 500 张时建议改成 0.005小数据集上过大的初始学习率会让 loss 前期震荡后续难以收敛到好的局部最优点。device0 表示用第一张 GPU只有 CPU 或 Mac 的 MPS 时换成 cpu 或 mps但训练时间会拉长很多条件允许还是借一块显卡。不建议一开始就上自动调参工具先把一组合理参数跑通全流程再根据日志局部调整更符合课设和竞赛节奏。训练结果在 runs/detect/train 下best.pt 是验证集上 mAP 最高的权重last.pt 是最后一轮的权重实战一律用 best.pt。4.3 训练日志怎么读判断模型是真收敛还是假收敛训练结束后Ultralytics 会生成 results.png包含 train/val 的 box loss、cls loss、dfl loss 和 mAP50、mAP50-95 曲线。不要只看 mAP 最终值要把 loss 曲线和 mAP 曲线放一起看。判断原则val/box_loss 和 val/cls_loss 持续下降说明模型在学如果 train loss 一直降而 val loss 在第 60 轮开始上翘是典型过拟合信号此时 mAP50 可能还在缓慢上升但继续训现场泛化只会变差应该取第 60 轮附近的权重而不是最后一轮。如果 val loss 从第 10 轮开始横走不降先检查标签格式和类别 id 是否错位再抽几张训练图做可视化推理确认标注框有没有对到目标上。一个容易误导人的细节是 mAP50 和 mAP50-95 的差距。电梯俯拍下边框定位容易出现几个像素偏差mAP50 到 0.9 以上而 mAP50-95 只有 0.5 左右是正常现象答辩展示 mAP50 就好同时补一段现场视频推理结果比硬拉 mAP50-95 更有说服力。注意训练中看到大量 skip 或 label correction 提示说明标签有越界或空文件。越界坐标通常来自手工标注时拖框超出图片边缘解决办法是批量扫描标签目录把超出 0 到 1 区间的坐标截断到边界。5. 避坑记录电梯电动车检测项目里最容易翻车的 5 个问题这个项目表面是普通检测任务实际踩坑很多在场景理解和工程细节。下面 5 个问题按现象、原因、解决写成排查清单每一条都是真实环境里会遇到的情况。5.1 现象电梯门反光区域频繁出现假检测框现象模型在不锈钢电梯门上检出 ebike置信度还不低报警框在视频里来回跳。原因电梯门反光把车身倒影映在金属表面训练数据里如果混有反光较强的图且反光区域被标注成目标等于主动教模型去认倒影。解决分两步先清理训练集删掉标注框落在反光倒影上的图再加入一批“空电梯但有强反光”的负样本图这些图没有任何标注框让模型学会对反光纹理输出低置信度。推理端再加连续帧确认逻辑同一目标连续 3 帧以上检出才触发报警能压掉大部分瞬时误检。5.2 现象自行车与电动自行车互相误识别现象验证集两类都能检出来到现场后电动自行车被报成 bicycle或自行车被报成 ebike。原因两类外观在“车身干净”和“有电池盒”之间是连续过渡的标注规则不统一类别边界就歪了。解决重新审核标注规则统一按“车身中段是否有明显凸起”判断有凸起一律 ebike没有一律 bicycle并在规范里配典型图例拿不准的图宁可丢弃。训练后看混淆矩阵交叉项偏高时把两类中外观最接近的样本挑出来各增加一倍再训比调模型参数更直接。5.3 现象测试集 mAP50 很高现场视频却漏检现象训练集和验证集从同一段视频抽帧验证 mAP50 到 0.9换个电梯录 30 秒视频漏检一半。原因训练、验证数据同源背景几乎一样模型把“电梯轿厢的具体纹理”当成判别特征换一台电梯光照、地砖、白平衡全变模型就失效了。解决验证集不能从训练视频里随机抽帧单独录一段不同时间、不同电梯的视频只做验证更严格的做法是 70% 视频抽帧训练剩余 30% 完全不参与训练作为最终现场测试集。竞赛中能展示一段从未参与训练的真实电梯视频检测效果说服力远大于一张 mAP 曲线图。5.4 现象训练 loss 不下降或直接变成 NaN现象前 10 个 epochloss 在初始值附近波动不下降或某一步直接跳成 NaN。原因最常见是标签文件出现负数或大于 1 的坐标其次是 images 目录里有损坏图片读出来是纯色块导致 loss 计算异常。解决训练前写一个校验脚本遍历 labels 目录凡是坐标不在 0 到 1 区间、或宽高小于 0.001 的 txt 全部列出配合图片修掉出现 NaN 不要先调学习率先把标签和图片完整性过一遍多数情况是数据的问题不是模型的问题。空标签文件也会触发警告统一删掉。5.5 现象现场推理速度达不到实时现象用 CPU 跑 best.ptFPS 只有 2 到 3说不清电梯报警延迟多久。原因直接跑 PyTorch 模型在 CPU 上本身就慢又没有做模型导出优化。解决先导出成更轻的推理格式。常见做法是导出 OpenVINO 或 ONNX命令一条就能完成yolo export modelbest.pt formatopenvino导出后在 CPU 上跑FPS 通常能提升 3 到 5 倍目标设备是树莓派或 Jetson 时再考虑 NCNN 或 TensorRT。答辩时写清 CPU 型号、推理框架、输入分辨率三个条件FPS 数据才站得住。另一个经验是别为了 FPS 盲目把 imgsz 从 640 降到 480提速换来的小目标漏检在电梯场景得不偿失。6. 现场置信度阈值校准用一段没参与训练的视频定模型使用参数模型训练完best.pt 不能直接拿去用。训练默认置信度阈值是 0.25在干净测试集上看着合理换到现场电梯通常不是误报多就是漏检多。我会在最后做一次阈值校准方法很直接录一段 1 分钟、没参与过训练的真实电梯视频遍历不同阈值跑推理找漏检与误报的交叉点。6.1 用脚本统计预测框置信度分布from ultralytics import YOLO import cv2 model YOLO(runs/detect/train/weights/best.pt) cap cv2.VideoCapture(elevator_test.mp4) scores [] while cap.isOpened(): ret, frame cap.read() if not ret: break results model(frame, conf0.05, imgsz640, verboseFalse) for r in results: for box in r.boxes: if int(box.cls[0]) 0: # ebike 类别 scores.append(float(box.conf[0])) cap.release() print(sorted(scores))把阈值压到 0.05让模型把犹豫的预测也放出来打印所有 ebike 框的置信度对齐视频时间点人工观察漏检和误报落在哪个区间。通常会出现两个簇真目标集中在 0.6 到 0.9误报散布在 0.1 到 0.4阈值取两个簇之间的低谷就是当前场景的甜点值。反光严重的现场这个值经常要提到 0.4 以上。6.2 阈值调整逻辑与答辩验证标准校准完阈值再完整回放一遍记录两个数漏检目标数和误报框个数。1 分钟视频里出现 3 辆电动车全部检出且无误报这就是能写进答辩材料的结果。我习惯把 30 秒现场视频连同推理结果录成展示视频置信度阈值、帧率、模型版本以字幕形式打在角落评委看到的是可复现的实验条件而不是一个孤立的高 mAP 数字。这个项目的核心价值不在于用了多新的模型而是把电梯视角的特殊性吃透让模型在真实监控条件下稳定工作。我现在的习惯是拿到任何检测任务第一步先录一段现场视频当测试基准再决定训练集怎么搭顺序颠倒过来后面大概率要重做。希望这份笔记能帮你在电梯电动车识别这个方向上少走几步弯路。本文还有配套的精品资源点击获取 电梯电动车识别实战：从YOLO选型到训练调参的完整指南
简介面向电梯监控场景的目标识别项目资源用于识别电梯内视角的电动车与自行车适合毕业设计、课程设计、实训及学科竞赛使用。项目基于电梯内视角数据集微调 YOLO 预训练模型涉及迁移学习、目标检测与多目标跟踪等知识点并提供检测与跟踪两种技术路线检测方法对包含目标实例的每一帧返回标注图像跟踪方法在检测结果上做去重处理便于按需选用。压缩包共 134 个文件以 Python 源码34 个、YAML 配置34 个及 JPG/PNG 图像样本41 个为主其中 Python 脚本承载训练、验证与推理逻辑YAML 用于配置模型与数据参数图片样本来自电梯视角标注场景。另含 Dockerfile 环境配置、Markdown 说明、Jupyter Notebook 示例及辅助脚本整体仅 16.96MB目录结构清晰可快速复现。已有 64 人学习浏览代码经严格测试可直接运行覆盖数据准备、模型训练与推理等环节适合作为毕设、课设或竞赛项目的模板也可基于现有流程做二次开发或参考其中的设计报告组织项目方案。1. 电梯监控视角下的电动车识别一个看起来常规、落地上手才知道门道多的检测项目电梯监控里识别电动车这几年已经成了不少小区物业的刚性需求电动车进电梯上楼充电安全隐患大摄像头看到的又是俯视的轿厢画面。这类项目落到毕设、课设或竞赛里任务一句话就能说清——在电梯监控画面中把电动车和自行车框出来。很多人以为拿现成检测模型跑一遍就完事真正动手才发现俯拍、广角畸变、反光、小目标这些因素堆在一起通用模型的准确率直接掉一截。这篇笔记顺着这个方向从方案选型、数据集整理、训练调参到现场排错给出一套能复现、能在答辩和竞赛里站得住的完整做法适合手头只有一块消费级 GPU 的学生。2. 方案选型为什么电梯场景首选 YOLO以及模型版本怎么定电梯电动车识别在毕设和竞赛里绝大多数做的是目标检测不是图像分类也不是实例分割。这个决定不是拍脑袋而是和任务需求强绑定的。分类网络只输出一个全局标签告诉你这一帧有电动车但物业报警系统要的是目标的具体位置否则没法联动后续的语音提醒和告警上报。实例分割能给出像素级轮廓标注成本却比框高了一个量级课设和竞赛周期通常只有两三个月大量时间被标注吃掉模型和论文都来不及打磨。目标检测的边界框输出恰好落在“信息够用、成本可控”的位置上。2.1 电梯轿厢场景和普通道路检测差在哪电梯是一个机位极稳定的监控场景视角固定、高度俯视、画面里通常只有一个人和一辆车但稳定不代表简单。广角镜头产生的畸变会让车身在画面边缘被拉长同一个目标在不同位置的宽高比差异很大人推车进电梯时身体会大面积遮住车把和车座完整车身出现的有效时间往往只有一两秒不锈钢壁的反光和地砖倒影还会让车身颜色和轮廓在连续帧里剧烈变化。这些因素叠在一起通用检测模型直接拿来跑很容易出现“人遮挡时检不出、反光时误检出”的两头翻车。和道路车流检测不同电梯场景不存在普遍的小目标问题。人推车进电梯目标在 640×640 的输入下通常占几十到上百像素真正的难点是遮挡、畸变和光照不是尺度。这意味着数据增强的重点应该放在模拟遮挡、仿射畸变和亮度抖动上而不是反复做多尺度缩放。先把这个场景特点想清楚后面的增强策略和训练参数才有依据。我一般会先录几段真实电梯视频观察模型在哪里漏、在哪里误再决定数据集怎么搭这样比盲目加数据更省时间。2.2 模型版本不追新按毕设时间和显存选 YOLOv8n 还是 YOLOv5s社区里做电梯电动车识别主流还是 YOLOv5 和 YOLOv8 两个系列。版本新不代表适合你我选型的标准很直接显卡显存有多大、答辩前还剩多少时间、出了问题能不能快速搜到答案。手头是 6GB 显存的 RTX 3060首选 YOLOv8n。n 是 nano 版本参数量小COCO 预训练权重加载后640 输入下训练一个 epoch 只要几分钟800 张图的数据集跑 100 轮两三个小时能完成。这个训练节奏意味着你有多做几组对照实验的余量对毕设论文的实验章节帮助很大。如果项目偏课设、时间紧只想快速跑通一条完整流程YOLOv5s 也是稳妥选择。YOLOv5 资料更老更全训练报错时排查答案的速度快很多。至于 YOLOX 或 DETR 这类模型我不建议作为主线。YOLOX 的标注格式和训练脚本需要额外适配DETR 在几百张数据的小数据集上收敛慢训练时间翻倍性价比太低。竞赛做方案对比时可以额外跑一个 Faster R-CNN用一阶段和双阶段的差异支撑选型理由主线仍然放在 YOLO 上。2.3 加载 COCO 预训练权重能迁移什么不能迁移什么COCO 数据集里有 bicycle 类但没有电动自行车这个细分类也没有踏板式电动车。因此预训练权重的迁移效果是不对等的。加载 COCO 权重后模型对自行车的特征是熟悉的轮毂、辐条、车架三角这些结构在俯拍里依然可辨bicycle 类只需要很少的标注样本就能学到不错的特征。电动车是一个没有预训练语义的新类模型只能从零学样本量不够或场景单一很容易学到背景纹理而不是车身结构这是很多项目精度上不去的隐藏原因。所以流程上我一般先加载 COCO 预训练权重再把数据集类别数改成本项目的 2 类做迁移训练而不是随机初始化。随机初始化在 100 轮内很难收敛到可用 mAP预训练相当于把模型已经学会的视觉特征搬过来只需要在电梯场景上微调。这部分迁移学习分析也能直接写进论文的“关键技术”章节讲清哪一类受益、哪一类需要更多数据比贴一张网络架构图有内容得多。3. 数据集整理电梯视角下电动车与自行车的采集、标注与增强数据质量直接决定这个项目能不能用模型和参数反而排在后面。电梯电动车识别项目最常见的问题是训练集来自网络下载的平视图片验证集 mAP 不错一到真实电梯俯拍就漏检本质是训练和测试分布不一致。数据整理的第一原则是用贴近真实摄像头视角的图做训练而不是下载一堆背景干净的商品图。3.1 数据来源怎么配自采为主、公开数据为辅最可靠的数据是自己拍。找一处电梯手机横屏贴近轿厢内壁顶部模拟监控位置分别拍空电梯、人推自行车、人推电动车进出的视频。拍摄时覆盖几个变量白天、晚上、照明偏暗的时刻电梯门开和关的状态人站在车左侧、右侧、后方等不同位置。视频按每 3 到 5 帧抽一张图人工挑目标清晰、遮挡程度不同的帧30 分钟视频通常能筛出三四百张起步够用。公开数据集在电梯场景上很稀缺室外街道的自行车图可以少量补充用来增加车体角度和外观多样性但比例要克制。我的经验是俯拍自采和室外补充按 4:1 混合室外图超过这个比例会把模型带偏让它在俯拍下变得迟钝。网络图片用于课设和竞赛的非商业用途一般问题不大但不要在论文里放来源不明的图答辩评委对图片来源敏感这是容易翻车的细节。3.2 标注规则两类目标为什么比十类更容易标乱这个项目只有两个类但标注起来反而比十类的通用数据集更容易乱。电动自行车从外形上和普通自行车几乎没区别只是多了电池盒、电机或仪表盘不同人对“这算电动车还是自行车”的判断可能完全不同类别语义一旦乱了模型再强也学不出稳定边界。我给这类项目定规则时先写一份简短标注规范车身上有明显电池盒、电机凸起或仪表盘的标 ebike车身干净、看不出电动部件的标 bicycle当前帧无法判断的直接丢弃不要硬标。少一张存疑的图好过让模型多学一个错误样本。标注工具用 labelImg 或 X-AnyLabeling 都可以导出格式统一成 YOLO 的 txt每行是类和归一化坐标这个细节直接决定下一章训练能否跑通。3.3 针对性增强用 Albumentations 模拟电梯光照与运动模糊电梯场景的噪声集中在光照、反光和运动模糊增强的目标不是把图搞花而是让模型对亮度变化和轻微模糊不敏感。我用 Albumentations 做训练增强时保留下面这几个算子就够了import albumentations as A train_transform A.Compose([ A.LongestMaxSize(640), A.PadIfNeeded(min_height640, min_width640, border_mode0), A.HorizontalFlip(p0.5), A.RandomBrightnessContrast(brightness_limit0.25, contrast_limit0.25, p0.8), A.RandomGamma(gamma_limit(80, 120), p0.5), A.MotionBlur(blur_limit5, p0.3), A.Mosaic(p0.4), ], bbox_paramsA.BboxParams( formatyolo, min_visibility0.3, label_fields[class_ids] ))逻辑说明LongestMaxSize 和 PadIfNeeded 先把输入统一到 640避免直接拉伸变形。HorizontalFlip 在电梯场景是安全的轿厢画面左右对称翻转后目标仍是合理视角不要加 VerticalFlip电梯画面里目标不会上下颠倒。RandomBrightnessContrast 和 RandomGamma 模拟灯频闪和不同时段亮度差是整个增强里对现场泛化帮助最大的部分。MotionBlur 模拟人快速推车进梯产生的拖影Mosaic 把四张图拼成一张平衡目标比例分布代价是部分框被边缘切掉所以 min_visibility0.3 表示切掉超过七成的框直接丢弃。参数说明brightness_limit 不建议超过 0.3电梯画面再暗也不会暗成剪影拉太猛会让模型学到“暗处就是车身”这种错误关联。blur_limit 用 5 就够3 到 5 的核能模拟手持抖动和快速移动更大的核反而破坏车架轮廓。增强代码接在 PyTorch Dataset 里即可不需要把增强图落盘每轮在线生成变体相当于把数据集放大了几十倍。4. 训练与调参让检测器在电梯俯拍视角下真正收敛数据集就位后训练部分相对机械但也最考验耐心。电梯电动车识别项目在训练阶段的失败大多不是模型选错而是配置文件不规范、参数没按数据量调整、日志看不明白。下面按完整流程讲一遍。4.1 数据集配置文件与目录结构先写清楚再动手YOLO 系列对目录结构有固定要求。项目根目录下建 datasets/elevator 文件夹里面分 images 和 labels各自再分 train 和 val。图片和标签必须一一对应图片是 images/train/001.jpg标签就是 labels/train/001.txt文件名一致、扩展名不同这一步出错训练会报警告并丢数据。数据集配置文件用 YAML内容如下path: ./datasets/elevator train: images/train val: images/val names: 0: ebike 1: bicycle逻辑说明path 是数据集根目录的相对路径train 和 val 是相对根目录的图片子目录YOLO 会去同名 labels 目录下找标签。names 的顺序必须和标注时输出的类别 id 完全一致0 是 ebike、1 是 bicycle配置写反会出现 loss 正常下降但推理类别全部错位的情况。配置文件不需要写 nc 类别数Ultralytics 会根据 names 自动推断。4.2 训练命令和关键超参数这些参数按什么逻辑调Ultralytics 框架下训练命令很短但每个参数要有调整依据。以下是我常用的命令初学者可先复制再按显存调整 batchyolo detect train \ datadatasets/elevator.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience30 \ device0参数说明epochs 设 100对几百到一千张的电梯数据集足够再多大概率过拟合。如果曲线第 80 轮还在稳定上升可以用 last.pt 追加训练不必一开始就设 200。batch 设 16 是 6GB 显存下的保守值显存不够优先降 batch 到 8其次是 imgsz 从 640 降到 480不要同时降太多否则 BN 统计不稳定。lr0 默认是 0.01数据集小于 500 张时建议改成 0.005小数据集上过大的初始学习率会让 loss 前期震荡后续难以收敛到好的局部最优点。device0 表示用第一张 GPU只有 CPU 或 Mac 的 MPS 时换成 cpu 或 mps但训练时间会拉长很多条件允许还是借一块显卡。不建议一开始就上自动调参工具先把一组合理参数跑通全流程再根据日志局部调整更符合课设和竞赛节奏。训练结果在 runs/detect/train 下best.pt 是验证集上 mAP 最高的权重last.pt 是最后一轮的权重实战一律用 best.pt。4.3 训练日志怎么读判断模型是真收敛还是假收敛训练结束后Ultralytics 会生成 results.png包含 train/val 的 box loss、cls loss、dfl loss 和 mAP50、mAP50-95 曲线。不要只看 mAP 最终值要把 loss 曲线和 mAP 曲线放一起看。判断原则val/box_loss 和 val/cls_loss 持续下降说明模型在学如果 train loss 一直降而 val loss 在第 60 轮开始上翘是典型过拟合信号此时 mAP50 可能还在缓慢上升但继续训现场泛化只会变差应该取第 60 轮附近的权重而不是最后一轮。如果 val loss 从第 10 轮开始横走不降先检查标签格式和类别 id 是否错位再抽几张训练图做可视化推理确认标注框有没有对到目标上。一个容易误导人的细节是 mAP50 和 mAP50-95 的差距。电梯俯拍下边框定位容易出现几个像素偏差mAP50 到 0.9 以上而 mAP50-95 只有 0.5 左右是正常现象答辩展示 mAP50 就好同时补一段现场视频推理结果比硬拉 mAP50-95 更有说服力。注意训练中看到大量 skip 或 label correction 提示说明标签有越界或空文件。越界坐标通常来自手工标注时拖框超出图片边缘解决办法是批量扫描标签目录把超出 0 到 1 区间的坐标截断到边界。5. 避坑记录电梯电动车检测项目里最容易翻车的 5 个问题这个项目表面是普通检测任务实际踩坑很多在场景理解和工程细节。下面 5 个问题按现象、原因、解决写成排查清单每一条都是真实环境里会遇到的情况。5.1 现象电梯门反光区域频繁出现假检测框现象模型在不锈钢电梯门上检出 ebike置信度还不低报警框在视频里来回跳。原因电梯门反光把车身倒影映在金属表面训练数据里如果混有反光较强的图且反光区域被标注成目标等于主动教模型去认倒影。解决分两步先清理训练集删掉标注框落在反光倒影上的图再加入一批“空电梯但有强反光”的负样本图这些图没有任何标注框让模型学会对反光纹理输出低置信度。推理端再加连续帧确认逻辑同一目标连续 3 帧以上检出才触发报警能压掉大部分瞬时误检。5.2 现象自行车与电动自行车互相误识别现象验证集两类都能检出来到现场后电动自行车被报成 bicycle或自行车被报成 ebike。原因两类外观在“车身干净”和“有电池盒”之间是连续过渡的标注规则不统一类别边界就歪了。解决重新审核标注规则统一按“车身中段是否有明显凸起”判断有凸起一律 ebike没有一律 bicycle并在规范里配典型图例拿不准的图宁可丢弃。训练后看混淆矩阵交叉项偏高时把两类中外观最接近的样本挑出来各增加一倍再训比调模型参数更直接。5.3 现象测试集 mAP50 很高现场视频却漏检现象训练集和验证集从同一段视频抽帧验证 mAP50 到 0.9换个电梯录 30 秒视频漏检一半。原因训练、验证数据同源背景几乎一样模型把“电梯轿厢的具体纹理”当成判别特征换一台电梯光照、地砖、白平衡全变模型就失效了。解决验证集不能从训练视频里随机抽帧单独录一段不同时间、不同电梯的视频只做验证更严格的做法是 70% 视频抽帧训练剩余 30% 完全不参与训练作为最终现场测试集。竞赛中能展示一段从未参与训练的真实电梯视频检测效果说服力远大于一张 mAP 曲线图。5.4 现象训练 loss 不下降或直接变成 NaN现象前 10 个 epochloss 在初始值附近波动不下降或某一步直接跳成 NaN。原因最常见是标签文件出现负数或大于 1 的坐标其次是 images 目录里有损坏图片读出来是纯色块导致 loss 计算异常。解决训练前写一个校验脚本遍历 labels 目录凡是坐标不在 0 到 1 区间、或宽高小于 0.001 的 txt 全部列出配合图片修掉出现 NaN 不要先调学习率先把标签和图片完整性过一遍多数情况是数据的问题不是模型的问题。空标签文件也会触发警告统一删掉。5.5 现象现场推理速度达不到实时现象用 CPU 跑 best.ptFPS 只有 2 到 3说不清电梯报警延迟多久。原因直接跑 PyTorch 模型在 CPU 上本身就慢又没有做模型导出优化。解决先导出成更轻的推理格式。常见做法是导出 OpenVINO 或 ONNX命令一条就能完成yolo export modelbest.pt formatopenvino导出后在 CPU 上跑FPS 通常能提升 3 到 5 倍目标设备是树莓派或 Jetson 时再考虑 NCNN 或 TensorRT。答辩时写清 CPU 型号、推理框架、输入分辨率三个条件FPS 数据才站得住。另一个经验是别为了 FPS 盲目把 imgsz 从 640 降到 480提速换来的小目标漏检在电梯场景得不偿失。6. 现场置信度阈值校准用一段没参与训练的视频定模型使用参数模型训练完best.pt 不能直接拿去用。训练默认置信度阈值是 0.25在干净测试集上看着合理换到现场电梯通常不是误报多就是漏检多。我会在最后做一次阈值校准方法很直接录一段 1 分钟、没参与过训练的真实电梯视频遍历不同阈值跑推理找漏检与误报的交叉点。6.1 用脚本统计预测框置信度分布from ultralytics import YOLO import cv2 model YOLO(runs/detect/train/weights/best.pt) cap cv2.VideoCapture(elevator_test.mp4) scores [] while cap.isOpened(): ret, frame cap.read() if not ret: break results model(frame, conf0.05, imgsz640, verboseFalse) for r in results: for box in r.boxes: if int(box.cls[0]) 0: # ebike 类别 scores.append(float(box.conf[0])) cap.release() print(sorted(scores))把阈值压到 0.05让模型把犹豫的预测也放出来打印所有 ebike 框的置信度对齐视频时间点人工观察漏检和误报落在哪个区间。通常会出现两个簇真目标集中在 0.6 到 0.9误报散布在 0.1 到 0.4阈值取两个簇之间的低谷就是当前场景的甜点值。反光严重的现场这个值经常要提到 0.4 以上。6.2 阈值调整逻辑与答辩验证标准校准完阈值再完整回放一遍记录两个数漏检目标数和误报框个数。1 分钟视频里出现 3 辆电动车全部检出且无误报这就是能写进答辩材料的结果。我习惯把 30 秒现场视频连同推理结果录成展示视频置信度阈值、帧率、模型版本以字幕形式打在角落评委看到的是可复现的实验条件而不是一个孤立的高 mAP 数字。这个项目的核心价值不在于用了多新的模型而是把电梯视角的特殊性吃透让模型在真实监控条件下稳定工作。我现在的习惯是拿到任何检测任务第一步先录一段现场视频当测试基准再决定训练集怎么搭顺序颠倒过来后面大概率要重做。希望这份笔记能帮你在电梯电动车识别这个方向上少走几步弯路。本文还有配套的精品资源点击获取