更多实现细节参考博文：https://blog.csdn.net/2403_88102872/article/details/146358963

【重要说明】

该系统以opencvsharp作图像处理,onnxruntime做推理引擎，使用CPU进行推理，适合有显卡或者没有显卡windows x64系统均可，不支持macOS和Linux系统，不支持x86的windows操作系统。由于采用CPU推理，要比GPU慢。为了适合大部分操作系统我们暂时只写了CPU推理源码，GPU推理源码后期根据需要可能会调整，目前只考虑CPU推理，主要是为了照顾现在大部分使用该源码是学生，很多人并没有显卡的电脑情况。

【测试环境】

windows10 x64系统

VS2019

netframework4.7.2

opencvsharp4.8.0

onnxruntime1.16.3

【模型可以检测出类别】

Crossing_Violation（越线违规）、Crosswalk_Violation（人行道违规）、Helmet_Violation（未佩戴头盔违规）、Normal（正常行为）、Passenger_Violation（乘客违规）、Pedestrian_Violation（行人违规）以及Trafficlight_Violation（交通信号灯违规）

【训练数据集介绍】

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)：5056

标注数量(xml文件个数)：5056

标注数量(txt文件个数)：5056

标注类别数：7

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):["Crossing_Violation","Crosswalk_Violation","Helmet_Violation","Normal","Passenger_Violation","Pedestrian_Violation","Trafficlight_Violation"]

每个类别标注的框数：

Crossing_Violation 框数 = 896

Crosswalk_Violation 框数 = 1056

Helmet_Violation 框数 = 486

Normal 框数 = 641

Passenger_Violation 框数 = 589

Pedestrian_Violation 框数 = 1389

Trafficlight_Violation 框数 = 278

总框数：5335

使用标注工具：labelImg

标注规则：对类别进行画矩形框

重要说明：暂无

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，数据集只提供准确且合理标注

图片预览：

标注例子：

【提供文件】

C#源码

yolov11n.onnx模型（提供pytorch模型）

训练的map,P,R曲线图(在weights\results.png)

测试图片（在test_img文件夹下面）

注意提供训练的数据集