无人机人员救援数据集、DJI航拍人员检测数据集、野外人员姿态检测数据集YOLOv11无人机目标检测代码无人机搜救AI源码、复杂背景人员识别数据集、应急救援目标检测数据集采石场草丛森林人员检测
无人机人员救援数据集
使用DJI Phantom 4A拍摄，分辨率为1920×1080像素。涵盖了多种场景，包括碎石路上、采石场、高低草丛、森林阴影等地的人员画面，图像中人员姿势分为站立、坐着、躺着、行走、奔跑。共1981张图像6500个不同姿势的标记，2.5GB，提供voc和yolo格式标注
一、无人机人员救援数据集详情表
| 项目 | 详细参数 |
|---|---|
| 数据集名称 | 无人机人员救援目标检测数据集 |
| 拍摄设备 | 大疆DJI Phantom 4A |
| 单图分辨率 | 1920×1080 |
| 总图像数量 | 1981张 |
| 总标注框数量 | 6500个 |
| 数据集大小 | 2.5GB |
| 标注格式 | YOLO、VOC |
| 覆盖场景 | 碎石路、采石场、高低草丛、森林阴影等野外复杂环境 |
| 人员姿态 | 站立、坐、躺、行走、奔跑 |
二、YOLOv11 训练+测试完整代码
1. 数据集配置文件person_rescue.yaml
# 无人机人员救援数据集配置path:./datasets/drone_rescuetrain:images/trainval:images/valtest:images/testnc:1names:0:person2. 训练、验证、推理主代码
fromultralyticsimportYOLOimportwarnings warnings.filterwarnings("ignore")deftrain_drone_rescue():# 加载YOLOv11模型，可根据需求切换n/s/m/l/x版本model=YOLO("yolo11n.pt")# 训练参数配置model.train(data="person_rescue.yaml",epochs=100,imgsz=1080,batch=8,device=0,workers=4,patience=15,project="runs/train",name="drone_person_rescue",save=True,val=True)print("模型训练完成")defval_model():# 模型评估model=YOLO("runs/train/drone_person_rescue/weights/best.pt")metrics=model.val(data="person_rescue.yaml",imgsz=1080)print(f"mAP@0.5:{metrics.box.map50:.4f}")defpredict_source(source_path):# 图片/视频/摄像头推理model=YOLO("runs/train/drone_person_rescue/weights/best.pt")results=model.predict(source=source_path,imgsz=1080,conf=0.4,save=True,show_labels=True,show_conf=True)returnresultsif__name__=="__main__":train_drone_rescue()val_model()# 示例：predict_source("test.jpg")三、应用场景
- 应急救援：山地、野外、矿区等场景无人机搜救，快速定位被困人员
- 安防巡检：野外矿区、林区、偏远区域人员监测、入侵预警
- 防灾减灾：洪涝、山林灾害后空中人员排查、灾情研判
- 项目实训/毕设：计算机视觉、无人机应用、目标检测相关课程设计、毕业设计
- 算法研发：低空视觉检测、复杂背景下小目标识别算法迭代与测试
- 行业竞赛：无人机视觉、应急AI、目标检测类赛事基线数据集