中国交通警察手势图像分类数据集

本数据集包含中国交通警察手势图像，涵盖直行、变道、左转弯、左转弯待转、靠边停车、右转弯、减速慢行和停止等指令。基于Swin Transformer模型，利用深度学习自动提取特征并输出分类标签和置信度，支持交通手势的智能识别与响应。

数据集概览

数据图像：

图1 样本图像

数据类型：

表1 数据类型与格式

数据规模：
（1）数据集划分饼图

图2 数据集划分饼图

数据集类别

表3 类别定义

数据集来源

表4 数据集来源与说明

数据集用途

本数据集用于中国交通警察手势图像的分类模型训练与验证，涵盖直行、变道、左转弯、左转弯待转、靠边停车、右转弯、减速慢行和停止等指令。可应用于以下研究与开发方向：
（1）模型训练：支持基于深度学习的图像分类模型（如ResNet50、VGG16、Swin Transformer）进行交通警察手势图像特征学习。
（2）性能评估：用于测试模型在交通警察手势分类任务中的准确率、召回率、F1值等指标。
（3）特征分析：研究不同手势指令在图像特征、细节变化等方面的差异。
（4）系统开发：为交通警察手势识别系统、智能交通管理平台及应急响应系统提供数据支持。

数据集须知

（1）数据来源：基于公开的中国交通警察手势图像数据集，仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为八类样本（直行、变道、左转弯、左转弯待转、靠边停车、右转弯、减速慢行、停止）。
（3）文件格式：图像文件为.jpg格式（按类别文件夹组织），文件命名与类别标签严格对应。
（4）使用要求：需遵守交通图像数据隐私与伦理保护相关规定，引用时须注明数据来源。
（5）适用范围：适用于交通警察手势图像识别、分类、特征提取及智能交通系统研究。

数据集性能

训练与验证准确率和损失曲线：

图3 训练与验证准确率和损失曲线线

训练精度和验证精度逐渐稳定且保持较高水平，验证精度紧随其后，表明模型具备良好的泛化能力，未发生过拟合。训练损失快速下降并趋于平稳，验证损失维持在较低水平，显示出模型训练有效，且无明显误差或过拟合。

混淆矩阵热力图：

图4 混淆矩阵热力图

混淆矩阵显示所有类别的对角线值为1.00，表明每个手势指令（如直行、变道、左转弯等）都被准确分类。非对角线值为0，说明没有误分类，模型能够完美区分各手势指令。

各类的分类性能评估：准确率、精确率、召回率与F1分数图

图5 各类的分类性能评估：准确率、精确率、召回率与F1分数图

该系统在所有类别上实现了完美的分类效果，准确率、精确度、召回率和F1分数均为1.00，表明模型在每个类别的识别中没有误分类，能够准确识别所有样本，且在精确度与召回率之间保持了良好的平衡。