驾驶行为检测数据集准备与处理详解构建高精度的“未系安全带/打电话”检测模型，数据质量决定上限。公开数据集往往存在类别不平衡、标注格式不统一或场景单一的问题。以下是从公开数据集获取、自行采集到自动化标注与预处理的完整全流程指南及代码示例。1. 公开数据集详解与转换1.1 State Farm Distracted Driver Detection (Kaggle)特点：包含大量驾驶员手部动作图片，分类细致（如c0: 安全驾驶,c1: 右手打字,c2: 右手打电话等）。缺点：只有分类标签，没有 bounding box（检测框）。用途适合用于训练分类头或作为弱监督学习的数据源，或者使用半自动化工具生成检测框。1.2 AICity Challenge CDD特点：包含真实道路场景，部分子任务涉及驾驶员状态。缺点：数据量相对较小，且通常混合了车辆外部视角。1.3 推荐：SFDD 转 YOL