夜间行人目标检测实战：5000张数据集与YOLO11三平台训练指南

简介：针对夜间监控场景中行人检测精度不足、低光数据稀缺的问题，这份配套说明PDF提供了一套完整的夜间行人检测数据集方案，面向计算机视觉与安防监控方向的开发者。资料共1个PDF文件，包体约6.07MB，内附数据集基本情况介绍、标注规范说明、缩略图与标注截图预览，以及百度网盘获取方式。数据集由5000张真实场景图片构成，覆盖夜间街景、道路、遮挡及严重遮挡行人等丰富样本，均采用LabelImg人工精细标注，提供VOC、COCO、YOLO三种通用格式标签，可直接用于YOLO等主流算法训练。同时附赠YOLO11一键训练脚本，支持GPU、CPU、Mac三平台，另有博主完整训练结果日志可供对比参考。目前已有611人学习下载，适合安防监控、自动驾驶等场景下从事夜间行人检测研究的开发者快速上手使用。

1. 夜间行人目标检测数据集：5000张图解决什么，又要怎么用

如果你做过夜间行人目标检测数据集，大概率经历过这种尴尬：白天跑得很好的模型，一到晚上就像瞎了一样漏检。原因是光照不足、对比度低、行人与背景融合，加上夜间车辆灯光干扰。现在拿到一份5000张夜间行人图片的数据集，而且带VOC、COCO、YOLO三种格式标签，配套YOLO11一键训练脚本，支持GPU(GPUs)、CPU、Mac三平台，新手也能直接跑。我按自己实际做训练的顺序，把数据集怎么核对、训练脚本怎么改、三平台怎么适配、以及哪些坑一定要避开，一步步讲清楚。适合想快速验证夜间行人检测方案、不想自己标数据，或者正在做安防、自动驾驶相关项目的人。

2. 数据集构成与三种标签格式：VOC、COCO、YOLO分别怎么选

拿到一份带三种格式标签的数据集，第一件事不是急着训练，而是把格式差异搞清楚。VOC、COCO、YOLO是目标检测标注最常见的三种存储方式，分别对应XML、JSON、TXT三种文件形态，用错一个字段，后面的训练全是白费。

2.1 三格式标签的底层差异：XML、JSON、TXT的使用边界

VOC格式每张图对应一个XML文件，里面用<bndbox>记录物体框的绝对像素坐标，比如<xmin>10</xmin>这样，人类可读，但每张图一个文件，遍历时要拼路径。COCO格式是整个数据集汇总到一个JSON文件里，结构分images、annotations、categories三段，每个标注是一个bbox: [x, y, width, height]，同样是绝对像素。YOLO格式最“薄”，每张图对应一个TXT文件，一行一个目标，五个数字分别是class, x_center, y_center, width, height，四个坐标全部归一化到0-1之间。

为什么一个数据集要给三种格式？因为不同工具链吃不同口味。用LabelImg标注顺手，导出就是VOC；转到mmdetection或Detectron2，要COCO JSON；用ultralytics训练YOLO11，直接吃YOLO TXT。把你常用的框架告诉对方，对方给对应格式，迁移成本最低。就算三种格式齐全，我也建议先做标签体检，防止坐标写错、类别名不一致。

下表是三种格式的快速对照：

YOLO格式在训练时最省内存，因为不需要一次性加载一个大JSON文件，每张图读一个小txt，对显存和内存都友好。但它的坐标是归一化的，一旦和原图尺寸对不上，训练时框就会飘。

还有一个容易忽略的点：三种格式的文件命名必须和图片一一对应。VOC的XML要和jpg同名，YOLO的txt也要和jpg同名。如果数据集里顺序乱了，训练时会自动匹配到错误的图，框画在完全不相关的对象上。检查方法很简单：ls images/train | wc -l和ls labels/train | wc -l，数量相等后抽样几个对照文件名，确认后缀匹配。

下面是一个常见的数据集目录结构，5000张图通常按4:1分训练和验证集：

night_pedestrian/ ├── images/ │ ├── train/ # 约4000张 │ └── val/ # 约1000张 ├── voc/ │ ├── Annotations/ # 每张图的XML标签 │ └── JPEGImages/ # 原图（或软链接） ├── coco/ │ ├── annotations/ │ │ ├── train.json │ │ └── val.json │ └── images/ └── yolo/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml

拿到的目录不一定长这样，但核心思想不变：原图按split分好，标签按框架分好。如果你的包只给了VOC，想转成YOLO，别靠手算公式，先看一下2.2的体检脚本，确认原图尺寸和标注坐标到底对不对。

2.2 拿到数据集后先做三件事：数图、查类别、验坐标

我习惯在训练前跑一个体检脚本，否则到训练报错再回头找标签，时间全浪费了。先看数量和类别，再验证YOLO坐标是否越界。下面这个脚本可以直接跑：

from pathlib import Path yolo_root = Path('night_pedestrian/yolo') for split in ['train', 'val']: img_dir = yolo_root / 'images' / split lbl_dir = yolo_root / 'labels' / split imgs = list(img_dir.glob('*.jpg')) print(f'[YOLO] {split}: {len(imgs)} imgs') bad = 0 class_ids = set() for img in imgs: txt = lbl_dir / (img.stem + '.txt') if not txt.exists(): print(f' missing label: {img.name}') bad += 1 continue for line in txt.read_text().splitlines(): parts = line.strip().split() if len(parts) != 5: bad += 1 break cls_id = parts[0] x, y, w, h = map(float, parts[1:]) class_ids.add(cls_id) if not (0.0 <= x <= 1.0 and 0.0 <= y <= 1.0 and 0.0 < w <= 1.0 and 0.0 < h <= 1.0): bad += 1 break print(f' classes: {sorted(class_ids)}') print(f' invalid label lines: {bad}')

这段代码做了三件事：统计每个分片下的图片数量；检查每个jpg是否都有对应的txt标签；按行解析YOLO标签，验证坐标都在0-1之间。bad变量用来记录缺失标签和越界坐标，一旦有越界，就说明转换时除以了错误的图像宽高。很多翻车就是从这一步开始的：VOC的绝对像素除以了缩放后的图宽，而不是原图宽，结果看起来正常的框其实已经出界。

如果检测出来有问题，或者你想把VOC/COCO转成YOLO，手动换算也不难。设图像宽W高H，VOC的框是xmin, ymin, xmax, ymax，COCO的框是x, y, w, h，换算公式如下：

# VOC -> YOLO x_center = ((xmin + xmax) / 2) / W y_center = ((ymin + ymax) / 2) / H w = (xmax - xmin) / W h = (ymax - ymin) / H # COCO -> YOLO x_center = (x + w / 2) / W y_center = (y + h / 2) / H w_norm = w / W h_norm = h / H

注意：COCO的bbox是左上角坐标加宽高，很多新手误以为是中心点坐标，结果画出来的框偏移半个身位。转换后一定要再用上面的体检脚本跑一遍，确认没有越界。

COCO格式也可以用Python快速检查：

import json with open('night_pedestrian/coco/annotations/train.json') as f: coco = json.load(f) print('images:', len(coco['images'])) print('annotations:', len(coco['annotations'])) print('categories:', coco['categories'])

这里只统计了数量和类别，你可以再遍历annotations，检查每个bbox长度是否为4，以及是否落在对应图像的宽高范围内。如果一张图有多个标注，还可以顺便看看有没有重复框。

2.3 用YOLO格式训练时，data.yaml怎么写

YOLO11训练的第一步是喂一个数据集描述文件data.yaml，它告诉模型图像和标签在哪儿、类别有几类。常见写法如下：

# night_pedestrian/yolo/data.yaml path: . # 相对于本yaml文件的根目录 train: images/train val: images/val names: 0: person

path是根目录路径，建议直接写成.，因为上面目录结构里data.yaml就放在night_pedestrian/yolo/下，images/train直接相对它。如果你把data.yaml放在别处，就要写相对路径或绝对路径。names里只列了person一个类别，这是因为夜间行人数据集通常只标注行人。如果你的数据集还有骑行者标注，就要多写几类，并且类别顺序必须和txt标签里的第一个数字一致，否则训练会“指鹿为马”。

写好后，可以先用下面的命令扫描标签里实际出现的类别ID，再回头核对names：

cat night_pedestrian/yolo/labels/train/*.txt | awk '{print $1}' | sort -u

如果输出0和1，而names里只有0: person，就说明有标签把背景当成了一个类，要么删掉无效行，要么修改yaml。这种问题通常在训练开始前就要解决，拖到训练中报错再返工，心态容易崩。

3. 用YOLO11做一键训练：从数据集目录到训练命令

数据集格式确认无误后，下一步就是写训练脚本。标题里要求“支持GPU(GPUs)/CPU/Mac三平台”，所以脚本不能写死device='0'，必须自动检测设备，同时把训练参数暴露成命令行参数，这样不用改代码就能换配置。

3.1 为什么选择YOLO11而不是YOLOv8？以及环境的取舍

YOLO11是ultralytics维护的YOLO系列当前实现，相比YOLOv8在特征提取模块和注意力机制上做了优化，小目标检测表现更好。在夜间行人这种低光、小尺寸、遮挡多的场景，YOLO11的改进更实用。模型规格有n/s/m/l/x几个档次，夜间行人检测我一般用yolo11s.pt起步，m可以冲精度，n图快但容易漏，x在普通显卡上训练时间太长。如果你的显卡显存只有8GB，就选yolo11n或yolo11s，不要碰m以上。

这里要说明一点：ultralytics的YOLO11不是单独安装一个叫yolo11的包，而是通过pip install ultralytics获得。安装之后，用YOLO('yolo11s.pt')会自动下载对应预训练权重，前提是网络能连默认权重仓库。如果网络受限，也可以手动把.pt文件放到项目目录，路径写成./yolo11s.pt。

3.2 一键训练脚本：设备自动检测与参数透传

下面这个Python脚本是训练入口，核心是pick_device函数，它按优先级返回计算设备：手动指定 > CUDA > MPS > CPU。MPS对应Mac的GPU加速，CPU是最后兜底。

import torch import argparse from ultralytics import YOLO def pick_device(force=None): if force: return force if torch.cuda.is_available(): return '0' if hasattr(torch.backends, 'mps') and torch.backends.mps.is_available(): return 'mps' return 'cpu' if __name__ == '__main__': parser = argparse.ArgumentParser(description='YOLO11 train for night pedestrian') parser.add_argument('--weights', default='yolo11s.pt') parser.add_argument('--data', default='night_pedestrian/yolo/data.yaml') parser.add_argument('--imgsz', type=int, default=640) parser.add_argument('--epochs', type=int, default=100) parser.add_argument('--batch', type=int, default=16) parser.add_argument('--device', default=None) args = parser.parse_args() device = pick_device(args.device) print(f'[Device] {device}') model = YOLO(args.weights) model.train( data=args.data, imgsz=args.imgsz, epochs=args.epochs, batch=args.batch, device=device, )

pick_device的优先级已经写清楚：--device参数可以强制指定，比如--device mps或--device '0,1'。多GPU传入时需要加引号，否则shell会把逗号当作分隔符。启动命令很简单：

python train_yolo11.py --data night_pedestrian/yolo/data.yaml --weights yolo11s.pt --epochs 100 --batch 16

Mac机器上，如果脚本检测不到MPS，就自动跑CPU，但你会看到[Device] cpu。GPU机器想用第二块卡，就--device 1。两卡並行，可以用--device '0,1'。

3.3 训练参数里那些“玄学”：imgsz、epochs、batch、patience

imgsz是输入分辨率，夜间行人普遍偏小，建议不要低于640。显存够的话试--imgsz 1280，小目标召回能涨几个点，但训练时间翻倍。epochs默认100对5000张图足够，但夜间数据方差大，建议加--patience 20，连续20个epoch验证指标不涨就早停。batch的影响不是线性的：batch太大容易训爆，太小loss震荡。我的习惯是batch=16配640分辨率；如果显存不够，先用--batch -1让脚本自动探测最大batch。

YOLO11默认开启马赛克增强，但夜间低光场景下，马赛克拼接出的图可能让模型学到纹理错觉。我血泪经验是把mosaic降到0.5，再打开亮度扰动，效果比默认好。完整的train调用可以这样扩展：

model.train( data=args.data, imgsz=args.imgsz, epochs=args.epochs, batch=args.batch, device=device, mosaic=0.5, hsv_h=0.015, hsv_s=0.4, hsv_v=0.4, patience=20, )

hsv_h/s/v分别是色调、饱和度、亮度的随机扰动范围。夜间图像本身暗，把亮度扰动开大一点能模拟不同光照强度，但不要调太狠，否则行人会被随机调成黑色，反而学不到特征。

3.4 训练日志怎么看：loss曲线和验证指标

训练结束后，ultralytics在runs/detect/train/下生成last.pt、best.pt和results.csv。不要只盯最终mAP，要看曲线：train/box_loss和train/cls_loss是否稳步下降；val/box_loss是否和train保持同步。如果两者差距越来越大，说明过拟合了。夜间行人这种单一类别任务，val/box_loss一般在2左右，mAP50在0.5-0.7之间都算正常。如果mAP低到0.2，基本是标签有问题或训练集验证集划分不一致，先回头查数据集。

训练完用best.pt在验证集上单独跑一次，确认不是中间某个epoch的偶然结果：

python -c "from ultralytics import YOLO; YOLO('runs/detect/train/weights/best.pt').val(data='night_pedestrian/yolo/data.yaml', split='val')"

这个命令会输出完整验证报告，包括各类别AP。如果你想看预测效果，用predict方法抽几张夜间图，同时保存可视化结果。

4. 三平台环境适配：GPU(GPUs)/CPU/Mac上的坑与验证

标题里写了“GPU(GPUs)/CPU/Mac三平台”，说明这套脚本要能在不同设备上无障碍切换。但环境适配的坑比想象中多，最常见的不是代码问题，而是PyTorch装错了版本。

4.1 环境检测：一条命令看清CUDA、MPS和PyTorch版本

在跑训练之前，先用命令确认环境，别一上来就装包。我习惯按顺序检查：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())" nvidia-smi

如果torch.cuda.is_available()输出False，但nvidia-smi能看到显卡，说明你装的是CPU版PyTorch。这是最经典的翻车点，去PyTorch官网按自己的CUDA版本选安装命令，不要复制网上过时的命令。驱动方面，nvidia-smi显示的CUDA版本是驱动支持的版本，PyTorch自带的CUDA runtime只要不大于这个数就能用，不需要严格相等。

Mac平台检查MPS：

python -c "import torch; print(hasattr(torch.backends, 'mps') and torch.backends.mps.is_available())"

输出True说明可用。注意：PyTorch的MPS支持还在完善，某些算子没有实现，训练到一半报错很正常，后面避坑章节专门讲。

4.2 多GPU训练：batch、显存与分布式配置

多卡训练在ultralytics里只是把device设为'0,1'，但有一个重要细节：每张卡的batch是总batch除以卡数。比如--batch 32 --device '0,1'，每卡16张。如果你的显卡是8GB显存，16张640x640的图很可能溢出，报CUDA out of memory。我一般先降到--batch 16 --device '0,1'，即每卡8张。

如果还想用更大的总batch，开梯度累积：

model.train(..., batch=16, device='0,1', accumulate=4)

accumulate=4表示每4次反向传播才更新一次权重，等效总batch变成64，但显存占用不变。还有一个实用参数是cache=True，把图像缓存到内存，减少硬盘IO等待，但只对CPU内存有效，显存不足时用不上。

多卡训练不需要改data.yaml，因为每张卡共享数据集路径。只要path是相对路径，且脚本是从night_pedestrian/yolo/目录启动，就能找到。

4.3 CPU和Mac的取舍：先跑通再上量

CPU训练5000张图、100个epoch会非常慢，我一般用subset=0.1先跑5个epoch验证整个流程：数据读取、模型搭建、前向反向、验证都正常，再全量跑。在Mac上，MPS比CPU快很多，但内存和显存共享，batch别设太大。我的经验是Mac上用yolo11n.pt、imgsz=640、batch=8，训练比较稳；如果报内存不足，就降到4。

还有一个坑：Mac上MPS的浮点精度和CUDA不完全一样，loss曲线会有些许差异，这正常，不影响最终权重。但如果你在Mac上训练后把权重拿到GPU机器上推理，精度基本一致，只是速度差异明显。

4.4 三平台环境适配清单

如果你在公共环境中无法用nvidia-smi，也可以看torch.version.cuda和torch.cuda.get_device_name(0)。注意：虚拟环境下装PyTorch时，很多人漏装torchvision配套版本，导致ultralytics导入时报错，所以建议用pip list | grep torch检查三个包：torch、torchvision、ultralytics。

5. 避坑与常见问题：夜间行人检测训练必须注意的五个坑

夜间行人检测涉及大量低光、小目标和遮挡样本，训练过程中有不少坑。我把自己踩过的、身边同事掉过的坑整理成下面五条，每条都按“现象 -> 原因 -> 解决”的方式说，方便你直接对照。

5.1 训练时loss不降，但验证指标正常？先查数据增强和预训练权重

现象：训练loss一直忽上忽下，甚至越来越大，但验证mAP还在缓慢上升。

原因：YOLO11默认开启马赛克等强增强，夜间低光图经过几何拼接后本身就难学习，loss震荡是正常的，但“只涨不降”就危险。另一个原因是没加载预训练权重，从yolo11s.yaml随机初始化，夜间这种单一类别任务很难学。

解决：确认--weights yolo11s.pt，不要写错成yaml文件。然后把mosaic从默认1.0降到0.5，mixup调到0.0，先关掉部分增强，让loss曲线稳定下来，再逐步打开。

5.2 标签坐标越界：训练里“行人”全成废标签

现象：训练日志出现大量WARNING: Ignoring corrupted image或loss为NaN。

原因：从VOC/COCO转YOLO时，归一化除以了错误的宽高，比如图像被resize过但标注坐标还是原图尺寸。也有可能是把两个XML合并到了一个txt里，导致一行解析失败。

解决：用2.2里的体检脚本扫描，打印越界行。如果是单张图越界，找到原图的真实宽高，重新计算归一化值；如果是合并问题，把多行拆分。修正后重新体检，直到invalid label lines: 0再训练。

5.3 Mac上MPS训练到一半报错：不是你的问题

现象：训练到第30个epoch时突然报NotImplementedError: MPS not implemented for 'add_'。

原因：PyTorch的MPS后端对部分算子不完善，ultralytics某些增强或loss用到了不兼容算子，往往和具体版本有关。

解决：先升级PyTorch到最新版，很多算子问题在更新后就解决了。还不行，就改用device='cpu'，慢但稳。另一个办法是把mosaic关掉，我遇到过马赛克拼接触发不支持的算子，关掉后MPS反而能跑到底。

5.4 多GPU训练显存不足：不要只调batch

现象：CUDA error: out of memory，或者训练进程直接被系统杀掉。

原因：除了batch，还有可能是数据加载进程占用显存，或者模型在验证时也占了一份显存。有些人只调batch，从32降到8还是爆，但没看workers。

解决：先把--batch 8 --device '0,1'，再把workers=2（数据加载线程数）调小，避免子进程抢占显存。如果不够，开cache=True和accumulate=4，前者加快IO，后者等效扩大batch但不增显存。

5.5 夜间召回率低：小目标才是主角

现象：mAP50到了0.6，但视频里远处的行人总是漏检。

原因：夜间行人在图像里可能只有十几个像素，训练时默认640分辨率下小目标特征太弱，标注里小目标占比又低，模型学不到。

解决：训练时用--imgsz 1280，同时设置scale=0.5，让模型见更多尺度的目标。验证时单独统计小目标AP，用6章的代码。我上次就是只看了整体mAP，实际一跑车灯眩光场景就露陷，之后把输入尺寸加大，才把夜间召回拉回来。

6. 进阶验证与调优：用帧序列和低光指标评估夜间行人模型

光看mAP50不够。夜间场景的模型，我会多跑两步验证：第一步是用model.val()拿每个类别的AP，按面积分段看小目标表现；第二步是把best.pt放到一段夜间视频上跑，看连续帧的框是否跳来跳去。训练好的权重在runs/detect/train/weights/best.pt，用下面代码快速输出分尺寸指标：

from ultralytics import YOLO model = YOLO('runs/detect/train/weights/best.pt') metrics = model.val(data='night_pedestrian/yolo/data.yaml', split='val') print('mAP50:', metrics.box.map50) # 按面积段统计：小目标(area < 32^2)、中目标(32^2 ~ 96^2)、大目标 if hasattr(metrics.box, 'ap50'): for i in range(3): ap50 = metrics.box.ap50[i] print(f'area category {i}: AP50 {ap50:.3f}')

这段代码打印的结果里，如果小目标AP明显低于中目标，就需要继续调。我遇到过mAP50达到0.7但小目标AP只有0.15的情况，于是把imgsz从640改成1280，小目标AP翻倍。但这样做推理速度下降，要权衡。

我个人的教训是：夜间行人不能只看平均精度，还要看在阴影里、车灯亮斑旁的行人能不能稳定检出。曾经有个项目我只看mAP，结果在夜间停车场测试时路灯下的行人也漏了一半。后来把验证集单独收集了200张低光图，每次训练完都跑一遍，模型确实更“抗造”。上面这段代码就是每次训练完的必做检查，你可以把它写进一个eval.sh，跑完训练自动执行。希望帮到你。

本文还有配套的精品资源，点击获取