摘要：手机使用检测数据集是一个目标检测数据集，用于识别图像中手机的使用方式，包含两个标注类别：手持（in_hand，手机被握在手中或正在使用）和通话（on_ear，手机放置在耳朵附近通常是在通话）。
数据集简介
数据集概述
手机使用检测数据集是一个目标检测数据集，用于识别图像中手机的使用方式，包含两个标注类别：手持（in_hand，手机被握在手中或正在使用）和通话（on_ear，手机放置在耳朵附近通常是在通话）。数据集包含23,930张图像，通过手动标注视频帧和整合现有数据集创建，按训练集（18,107张）、验证集（2,885张）和测试集（2,938张）划分。所有标注采用YOLO标准格式，边界框坐标归一化至0-1范围，经过检查和格式化确保一致性。数据集配备data.yaml配置文件，适用于训练YOLO和其他目标检测模型，应用场景包括驾驶员监控系统、工作场所安全监控、人类活动识别和负责任的手机使用研究。数据集包含光照、分辨率、角度、背景和遮挡等环境变化，但需注意on_ear类别仅表示视觉位置，不确认实际通话状态。
数据结构与关键特征
数据集采用YOLO标准目录结构，按训练集（train）、验证集（val）和测试集（test）划分，每部分包含images和labels子目录，配备data.yaml配置文件。标注文件为TXT格式，每行包含class_id和归一化边界框坐标（x_center y_center width height）。关键特征包括：双状态分类（手持vs通话，覆盖手机使用的主要视觉模式）、大规模数据量（23,930张图像确保充足的训练样本）、多源数据融合（手动标注视频帧+现有数据集整合，增强多样性）、环境多样性（光照变化、不同分辨率、多种摄像机角度、复杂背景、手机尺寸差异和部分遮挡）、以及标准化标注流程（所有数据经过审核和格式统一）。数据集的类别设计简洁实用：in_hand状态覆盖手持、浏览、打字等各种手部交互场景，on_ear状态聚焦于通话姿势识别，两者在视觉特征上有明确区分（手部位置、手机朝向、与面部的关系），便于模型学习。
应用价值与研究方向
该数据集在智能交通、工作场所安全、人机交互和行为分析领域具有重要应用价值，可用于开发驾驶员分心检测系统、工作场所安全监控平台、人类活动识别工具和负责任手机使用研究。研究方向包括：基于深度学习的手机使用状态分类算法、实时行为检测与预警、遮挡情况下的鲁棒检测、多角度和多光照环境下的泛化能力提升、轻量级模型设计用于边缘设备部署、以及时序行为分析（从视频序列中识别使用模式）。数据集特别适合研究驾驶分心检测（识别驾驶过程中的手机使用）、工作场所安全合规监控（检测禁止使用手机区域的违规行为）、以及人机交互模式分析。此外,该数据集还可扩展至其他便携设备使用检测（平板电脑、对讲机）和更细粒度的行为识别任务，为推动计算机视觉技术在交通安全和工作场所管理中的应用、降低分心驾驶事故率、提升安全合规监督效率提供重要的数据支撑和技术基础。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-203
文件大小：19G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)