YOLOv8n行人检测实战：从数据集准备到模型训练

行人检测是计算机视觉领域的核心任务之一，在自动驾驶、安防监控、智慧城市等领域有广泛应用。本文将带你手把手实现YOLOv8n行人检测模型的完整训练流程。

一、为什么选择YOLOv8？

YOLO（You Only Look Once）是当前最先进的实时目标检测算法之一。最新版本YOLOv8在精度和速度上都实现了突破：

• 🚀 极速推理：640x640分辨率下可达300+FPS
• 🎯 更高精度：mAP指标较前代提升10-15%
• 🔧 易用性：简洁的API和丰富的预训练模型
• 📦 轻量化：YOLOv8n仅6MB大小，适合边缘设备部署

二、环境准备

mkdir PedestrianDet
cd PedestrianDet
docker run --gpus all --shm-size=32g -it \-e NVIDIA_VISIBLE_DEVICES=all --privileged --net=host \-v $PWD:/home -w /home --name PedestrianDet nvcr.io/nvidia/pytorch:24.03-py3 /bin/bash

2.1 环境配置解析

1. GPU支持：--gpus all确保容器可以访问主机所有GPU
2. 共享内存：--shm-size=32g解决PyTorch多进程数据加载问题
3. 目录映射：-v $PWD:/home将当前目录映射到容器内
4. 基础镜像：使用NVIDIA官方PyTorch镜像确保CUDA环境兼容性

💡 为什么需要大共享内存？
PyTorch的DataLoader使用共享内存加速数据加载，行人检测数据集通常较大，32GB设置可避免BrokenPipeError错误。

三、安装Ultralytics框架

git clone https://github.com/mikel-brostrom/ultralytics.git
cd ultralytics
git checkout 8e17ff56a9db8933a1962b88e05547dd2cce9c48
pip3.10 install .
pip3 install opencv-python==4.7.0.72 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install opencv-contrib-python==4.7.0.72 -i https://mirrors.aliyun.com/pypi/simple/
pip3 install opencv-python-headless==4.7.0.72 -i https://mirrors.aliyun.com/pypi/simple/

⚠️ 为什么需要三个OpenCV包？

• opencv-python：主包包含基础功能
• opencv-contrib-python：提供额外模块（如SIFT特征）
• opencv-python-headless：无GUI支持，避免Docker环境下的显示问题

四、数据集准备与理解

4.1 数据集下载

mkdir -p /home/datasets/coco2017/# 从这个链接下载labels1.zip和images.zip到/home/datasets/coco2017/并解压
https://aistudio.baidu.com/datasetdetail/136065

4.2 数据集结构

/home/datasets
└── coco2017├── images│   └── 000000581899.jpg└── labels└── 000000581899.txt

4.3 YOLO标签格式解析

每个.txt文件对应一张图像，格式为：

<class_id> <x_center> <y_center> <width> <height>

• 归一化坐标：所有值在0-1之间，相对于图像宽高
• 一个目标一行：允许多个检测目标

五、数据集可视化：理解标注数据

cd /home/
cat> vis.py <<-'EOF'
import sys
import cv2
import os
import numpy as npdef visualize_yolo_dataset(image_path):# 生成标签文件路径 (将/images/替换为/labels/，扩展名改为.txt)label_path = image_path.replace('images', 'labels').replace('.jpg', '.txt')if not os.path.exists(label_path):print(f"Error: Label file not found at {label_path}")return False# 读取图像image = cv2.imread(image_path)if image is None:print(f"Error: Failed to load image at {image_path}")return Falseimg_height, img_width = image.shape[:2]# 定义类别颜色映射 (可根据需要扩展)class_colors = {0: (0, 255, 0),    # 行人 - 绿色1: (0, 0, 255),    # 汽车 - 红色2: (255, 0, 0),    # 自行车 - 蓝色# 添加更多类别...}# 读取并处理标签文件with open(label_path, 'r') as f:lines = f.readlines()for line in lines:data = line.strip().split()if len(data) < 5:continueclass_id = int(data[0])# 转换YOLO格式坐标 (归一化) 为像素坐标x_center = float(data[1]) * img_widthy_center = float(data[2]) * img_heightwidth = float(data[3]) * img_widthheight = float(data[4]) * img_height# 计算矩形框坐标x_min = int(x_center - width/2)y_min = int(y_center - height/2)x_max = int(x_center + width/2)y_max = int(y_center + height/2)# 确保坐标在图像范围内x_min = max(0, x_min)y_min = max(0, y_min)x_max = min(img_width - 1, x_max)y_max = min(img_height - 1, y_max)# 获取类别颜色 (默认为白色)color = class_colors.get(class_id, (255, 255, 255))# 绘制边界框cv2.rectangle(image, (x_min, y_min), (x_max, y_max), color, 2)# 绘制类别标签label = f"Class {class_id}"cv2.putText(image, label, (x_min, y_min - 5),cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1)# 保存结果cv2.imwrite('out.jpg', image)print("Visualization saved to out.jpg")return Trueif __name__ == "__main__":# 示例使用image_path = sys.argv[1]visualize_yolo_dataset(image_path)
EOF
python3.10 vis.py /home/datasets/coco2017/images/000000581899.jpg

5.1 可视化效果

🧠 为什么需要可视化？

1. 验证标签文件是否正确
2. 检查边界框是否准确标注行人
3. 确认图像与标签的对应关系
4. 发现数据集潜在问题（如漏标、错标）

六、多数据集融合训练

cd /home/
cat> persion.yaml <<-'EOF'
path: /home/datasets/
train:- Caltech/images- crowdhuman/train/- WiderPerson/images- VOC/images/train2007- VOC/images/val2007- VOC/images/val2012- VOC/images/train2012- coco2017/images
val:- crowdhuman/val/images
names:0: person
EOF  

6.1 多数据集融合的优势

1. 场景多样性：不同数据集覆盖不同场景（街道、人群、室内等）
2. 光照变化：适应各种光照条件
3. 尺度变化：包含远/近不同距离的行人
4. 遮挡处理：提高对部分遮挡行人的识别能力

七、模型训练与参数解析

cd /home/
cat> train.py <<-'EOF'
from ultralytics import YOLO# 初始化模型（使用YOLOv8n架构）
model = YOLO('yolov8n.yaml') # 开始训练
results = model.train(data="persion.yaml",   # 配置文件路径epochs=100,            # 训练轮数imgsz=640,             # 输入图像尺寸device="cuda",         # 使用GPU加速pretrained=False       # 从零开始训练
)
EOF
python3.10 train.py

7.1 关键参数解析

1. epochs=100：
   行人检测需要充分学习，100轮可平衡训练时间和精度

2. imgsz=640：

   • 原始YOLOv8设计尺寸
   • 兼顾精度和速度的最佳平衡点
   • 高分辨率提升小目标检测能力

3. pretrained=False：
   从零训练避免预训练模型的类别偏差

7.2 训练过程监控

训练启动后，终端将显示实时指标：

Epoch   gpu_mem       box_loss   cls_loss   dfl_loss  Instances       Size0/99     7.58G      0.12345    0.05678    0.08901         32        640: 1/99     7.60G      0.09876    0.04321    0.07654         29        640:...

• box_loss：边界框回归损失（越小越好）
• cls_loss：分类损失（越小越好）
• dfl_loss：分布焦点损失（YOLOv8特有）

八、训练优化技巧

1. 学习率调整：

   model.train(..., lr0=0.01, lrf=0.01)
   

   • 初始学习率(lr0)设为0.01
   • 最终学习率(lrf)为初始的1%

2. 早停机制：

   model.train(..., patience=10)
   

   连续10轮验证集精度无提升时自动停止

3. 数据增强：

   model.train(..., hsv_h=0.015, hsv_s=0.7, hsv_v=0.4)
   

   启用HSV色彩空间增强，提升光照鲁棒性

九、模型部署实战

训练好的模型可部署到多种平台：

# 导出ONNX格式
model.export(format='onnx')# 使用OpenVINO优化
model.export(format='openvino')

9.1 RK3588边缘设备部署

在RK3588上实现YOLOv8n高效推理包含：

1. 模型量化（FP16/INT8）
2. NPU硬件加速
3. 后处理优化

十、总结与扩展

通过本教程，你已完成：

1. Docker环境配置 ✅
2. YOLOv8框架安装 ✅
3. 多源行人数据集准备 ✅
4. YOLOv8n模型训练 ✅

十一、参考链接

1. 行人检测-Caltech Pedestrian Dataset 数据集下载及格式转换
2. Caltech_Pedestrain_Detection_Benchmark数据集获取并转换
3. 使用yolov8训练Caltech Pedestrain行人数据集详细步骤
4. 在RK3588上实现YOLOv8n高效推理