数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数)：992

标注数量(xml文件个数)：992

标注数量(txt文件个数)：992

标注类别数：7

所在github仓库：firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["bamaxian","buxing","chepai","jidongche","motuoche","toukui","wutoukui"]

对应中文类别名：["斑马线", "步行", "车牌", "机动车", "摩托车", "头盔", "无头盔"]

每个类别标注的框数：

bamaxian（斑马线） 框数 = 252

buxing（步行/行人） 框数 = 391

chepai（车牌） 框数 = 513

jidongche（机动车） 框数 = 552

motuoche（摩托车） 框数 = 558

toukui（头盔） 框数 = 420

wutoukui（无头盔） 框数 = 260

总框数：2946

每个类别占有图片数：

bamaxian（斑马线） 占有图片数 = 230

buxing（步行/行人） 占有图片数 = 227

chepai（车牌） 占有图片数 = 351

jidongche（机动车） 占有图片数 = 374

motuoche（摩托车） 占有图片数 = 279

toukui（头盔） 占有图片数 = 177

wutoukui（无头盔） 占有图片数 = 148

图片分辨率：640x640

使用标注工具：labelImg

标注规则：对类别进行画矩形框

重要说明：数据集没有划分训练验证测试集需自行划分

特别声明：本数据集不对训练的模型或者权重文件精度作任何保证

应用场景：该数据集聚焦交通违规检测核心场景：在自动驾驶安全系统开发中，可训练模型识别行人、车辆及未戴头盔、未礼让行人等违规行为；用于智能交通管理系统，支持车牌识别与斑马线检测，助力城市智慧监管。数据涵盖日间/夜间、多样天气及动态行驶状态，精准标注7类关键交通元素（含头盔佩戴、行人安全等），所有标注经交通法规验证，支持复杂多目标检测。原生适配YOLO格式（v8/v11/v26），便于工业级训练。既可支撑驾驶行为分析、安全教育应用（如集成至驾驶培训系统实时反馈危险行为），也可为交通执法AI提供未戴头盔、未礼让行人等核心训练素材，兼具科研与工程落地价值。

图片预览：

标注例子：