一、数据集介绍

1、数量：1400+张图片和对应标签

2、类别：类别1-佩戴头盔；类别2-未佩戴安全帽；类别3-电动车/电瓶车/摩托车

二、训练好的模型介绍

1、基于YOLOv8训练的模型

2、训练轮数：100轮

3、精确率：83%以上

4、召回率：75%以上

三、完整系统介绍（保证完整可运行）

1、检测：类别1-佩戴头盔；类别2-未佩戴安全帽；类别3-电动车/电瓶车/摩托车

2、图片检测+视频检测+摄像头检测

3、展示检测目标置信度位置信息，统计数量，自由选择检测结果

4、检测结果保存至本地

5、自定义系统标题：UIProgram->UiMain.py->拉到末尾

6、自定义系统图标：UIProgram->ui_imgs->替换图片注意文件格式和名称不变

摘  要：在许多非机动车交通事故中，未佩戴头盔是造成驾驶人受伤或死亡的主要原因，检测和惩处此类骑手对于降低道路交通事故严重性与保障人生命财产安全具有重要意义。随着深度学习和目标检测技术的发展，越来越多的基于深度学习的智能系统应用于交通识别的场景中，因此，本文研究并设计了基于深度学习的电动车头盔佩戴检测系统，该系统可以辅助交管部门对非机动车进行监管，具有一定的现实意义与实用价值。

本设计最终实现了基于YOLOv8的电动车头盔佩戴检测算法，该算法能够在实时性和准确性方面达到较高的水平。实验结果显示，YOLOv8模型将头盔佩戴类检测的均值平均精确度相较于YOLOv5提升至84.3%，精确率提升至83.5%。YOLOv8在小目标检测方面展现了明显优势，不仅提高了检测速度，也增强了检测效果，有助于提升电动车头盔佩戴检测效率，为交通系统提供更迅速、更可靠的服务。

源码已经过本人亲自测试，可完美运行