《博主簡介》

小伙伴們好，我是阿旭。專注于人工智能、AIGC、python、計(jì)算機(jī)視覺相關(guān)分享研究。
?更多學(xué)習(xí)資源，可關(guān)注公-仲-hao:【阿旭算法與機(jī)器學(xué)習(xí)】，共同學(xué)習(xí)交流~
??感謝小伙伴們點(diǎn)贊、關(guān)注！

《------往期經(jīng)典推薦------》

一、AI應(yīng)用軟件開發(fā)實(shí)戰(zhàn)專欄【鏈接】

二、機(jī)器學(xué)習(xí)實(shí)戰(zhàn)專欄【鏈接】，已更新31期，歡迎關(guān)注，持續(xù)更新中~~
三、深度學(xué)習(xí)【Pytorch】專欄【鏈接】
四、【Stable Diffusion繪畫系列】專欄【鏈接】

《------正文------》

基本功能演示

摘要：吸煙行為檢測對(duì)于維護(hù)公共場所的健康環(huán)境、防止火災(zāi)事故的發(fā)生以及促進(jìn)健康生活方式都具有重要作用。使用基于YOLOv8的吸煙行為檢測系統(tǒng)能夠有效識(shí)別視頻中的吸煙行為，從而及時(shí)采取適當(dāng)措施。本文基于YOLOv8深度學(xué)習(xí)框架，通過2357張圖片，訓(xùn)練了一個(gè)進(jìn)行吸煙行為的目標(biāo)檢測模型，準(zhǔn)確率高達(dá)96%。并基于此模型開發(fā)了一款帶UI界面的吸煙行為檢測系統(tǒng)，可用于實(shí)時(shí)檢測場景中的吸煙行為，更方便進(jìn)行功能的展示。該系統(tǒng)是基于python與PyQT5開發(fā)的，支持圖片、視頻以及攝像頭進(jìn)行目標(biāo)檢測，并保存檢測結(jié)果。本文提供了完整的Python代碼和使用教程，給感興趣的小伙伴參考學(xué)習(xí)，完整的代碼資源文件獲取方式見文末。

點(diǎn)擊跳轉(zhuǎn)至文末《完整相關(guān)文件及源碼》獲取

前言

吸煙行為檢測系統(tǒng)是一種重要的實(shí)時(shí)監(jiān)控工具，它對(duì)于維護(hù)公共場所的健康環(huán)境、防止火災(zāi)事故的發(fā)生以及促進(jìn)健康生活方式都具有重要作用。使用基于YOLOv8的吸煙行為檢測系統(tǒng)能夠有效識(shí)別視頻中的吸煙行為，從而及時(shí)采取適當(dāng)措施。

在眾多應(yīng)用場景中，吸煙行為檢測尤為關(guān)鍵。例如，在不允許吸煙的公共區(qū)域，如醫(yī)院、學(xué)校、購物中心、機(jī)場和餐館等，此系統(tǒng)能夠確保這些區(qū)域的空氣質(zhì)量，防止受到二手煙的影響。在商業(yè)大廈與工作場所，監(jiān)測吸煙行為有助于遵守法律法規(guī)，并可能與健康保險(xiǎn)政策掛鉤，降低因吸煙相關(guān)疾病帶來的成本。
此外，該系統(tǒng)在防火安全管理上同樣至關(guān)重要。吸煙是引起火災(zāi)的主要原因之一，特別是在加油站、化工廠或爆炸性物質(zhì)儲(chǔ)存區(qū)等高風(fēng)險(xiǎn)地區(qū)的安全監(jiān)控中，吸煙行為的早期檢測可以有效預(yù)防火災(zāi)和其他安全事故的發(fā)生。在住宅區(qū)和酒店，吸煙檢測系統(tǒng)同樣有助于確保室內(nèi)環(huán)境符合住宅政策，并保障居民與客人的健康。
綜上所述，吸煙行為檢測系統(tǒng)的推廣和應(yīng)用能夠幫助管理者迅速響應(yīng)吸煙事件，制定并執(zhí)行吸煙禁令，同時(shí)為全社會(huì)創(chuàng)造一個(gè)更加健康、安全的環(huán)境。

博主通過搜集吸煙行為的相關(guān)數(shù)據(jù)圖片，根據(jù)YOLOv8的目標(biāo)檢測技術(shù)，基于python與Pyqt5開發(fā)了一款界面簡潔的吸煙行為檢測系統(tǒng)，可支持圖片、視頻以及攝像頭檢測，同時(shí)可以將圖片或者視頻檢測結(jié)果進(jìn)行保存。

軟件初始界面如下圖所示：

檢測結(jié)果界面如下：

一、軟件核心功能介紹及效果演示

軟件主要功能

1. 可實(shí)時(shí)進(jìn)行吸煙行為狀態(tài)的目標(biāo)檢測；
2. 支持圖片、視頻及攝像頭進(jìn)行檢測，同時(shí)支持圖片的批量檢測；
3. 界面可實(shí)時(shí)顯示目標(biāo)位置、目標(biāo)總數(shù)、置信度、用時(shí)等信息;
4. 支持圖片或者視頻的檢測結(jié)果保存；

（1）圖片檢測演示

點(diǎn)擊圖片圖標(biāo)，選擇需要檢測的圖片，或者點(diǎn)擊文件夾圖標(biāo)，選擇需要批量檢測圖片所在的文件夾，操作演示如下：
點(diǎn)擊目標(biāo)下拉框后，可以選定指定目標(biāo)的結(jié)果信息進(jìn)行顯示。 點(diǎn)擊保存按鈕，會(huì)對(duì)視頻檢測結(jié)果進(jìn)行保存，存儲(chǔ)路徑為：save_data目錄下。
注：1.右側(cè)目標(biāo)位置默認(rèn)顯示置信度最大一個(gè)目標(biāo)位置。所有檢測結(jié)果均在左下方表格中顯示。
單個(gè)圖片檢測操作如下：

批量圖片檢測操作如下：

（2）視頻檢測演示

點(diǎn)擊視頻圖標(biāo)，打開選擇需要檢測的視頻，就會(huì)自動(dòng)顯示檢測結(jié)果。點(diǎn)擊保存按鈕，會(huì)對(duì)視頻檢測結(jié)果進(jìn)行保存，存儲(chǔ)路徑為：save_data目錄下。

（3）攝像頭檢測演示

點(diǎn)擊攝像頭圖標(biāo)，可以打開攝像頭，可以實(shí)時(shí)進(jìn)行檢測，再次點(diǎn)擊攝像頭圖標(biāo)，可關(guān)閉攝像頭。

（4）保存圖片與視頻檢測結(jié)果

點(diǎn)擊保存按鈕后，會(huì)將當(dāng)前選擇的圖片【含批量圖片】或者視頻的檢測結(jié)果進(jìn)行保存。檢測的圖片與視頻結(jié)果會(huì)存儲(chǔ)在save_data目錄下。

二、模型的訓(xùn)練、評(píng)估與推理

1.YOLOv8的基本原理

YOLOv8是一種前沿的目標(biāo)檢測技術(shù)，它基于先前YOLO版本在目標(biāo)檢測任務(wù)上的成功，進(jìn)一步提升了性能和靈活性。主要的創(chuàng)新點(diǎn)包括一個(gè)新的骨干網(wǎng)絡(luò)、一個(gè)新的 Ancher-Free 檢測頭和一個(gè)新的損失函數(shù)，可以在從 CPU 到 GPU 的各種硬件平臺(tái)上運(yùn)行。
其主要網(wǎng)絡(luò)結(jié)構(gòu)如下：

2. 數(shù)據(jù)集準(zhǔn)備與訓(xùn)練

通過網(wǎng)絡(luò)上搜集關(guān)于吸煙行為的各類圖片，并使用LabelMe標(biāo)注工具對(duì)每張圖片中的目標(biāo)邊框（Bounding Box）及類別進(jìn)行標(biāo)注。一共包含2357張圖片，其中訓(xùn)練集包含1885張圖片，驗(yàn)證集包含472張圖片，部分圖像及標(biāo)注如下圖所示。

圖片數(shù)據(jù)的存放格式如下，在項(xiàng)目目錄中新建datasets目錄，同時(shí)將跌倒檢測的圖片分為訓(xùn)練集與驗(yàn)證集放入SmokeData目錄下。

同時(shí)我們需要新建一個(gè)data.yaml文件，用于存儲(chǔ)訓(xùn)練數(shù)據(jù)的路徑及模型需要進(jìn)行檢測的類別。YOLOv8在進(jìn)行模型訓(xùn)練時(shí)，會(huì)讀取該文件的信息，用于進(jìn)行模型的訓(xùn)練與驗(yàn)證。data.yaml的具體內(nèi)容如下：

train: E:\MyCVProgram\SmokeDetection\datasets\SmokeData\train
val: E:\MyCVProgram\SmokeDetection\datasets\SmokeData\val

nc: 1
names: ['Smoke']

注：train與val后面表示需要訓(xùn)練圖片的路徑，建議直接寫自己文件的絕對(duì)路徑。
數(shù)據(jù)準(zhǔn)備完成后，通過調(diào)用train.py文件進(jìn)行模型訓(xùn)練，epochs參數(shù)用于調(diào)整訓(xùn)練的輪數(shù)，batch參數(shù)用于調(diào)整訓(xùn)練的批次大小【根據(jù)內(nèi)存大小調(diào)整，最小為1】，代碼如下：

# 加載模型
model = YOLO("yolov8n.pt")  # 加載預(yù)訓(xùn)練模型
# Use the model
if __name__ == '__main__':
    # Use the model
    results = model.train(data='datasets/SmokeData/data.yaml', epochs=250, batch=4)  # 訓(xùn)練模型
    # 將模型轉(zhuǎn)為onnx格式
    # success = model.export(format='onnx')

3. 訓(xùn)練結(jié)果評(píng)估

在深度學(xué)習(xí)中，我們通常用損失函數(shù)下降的曲線來觀察模型訓(xùn)練的情況。YOLOv8在訓(xùn)練時(shí)主要包含三個(gè)方面的損失：定位損失(box_loss)、分類損失(cls_loss)和動(dòng)態(tài)特征損失（dfl_loss），在訓(xùn)練結(jié)束后，可以在runs/目錄下找到訓(xùn)練過程及結(jié)果文件，如下所示：

各損失函數(shù)作用說明：
定位損失box_loss：預(yù)測框與標(biāo)定框之間的誤差（GIoU），越小定位得越準(zhǔn)；
分類損失cls_loss：計(jì)算錨框與對(duì)應(yīng)的標(biāo)定分類是否正確，越小分類得越準(zhǔn)；
動(dòng)態(tài)特征損失（dfl_loss）：DFLLoss是一種用于回歸預(yù)測框與目標(biāo)框之間距離的損失函數(shù)。在計(jì)算損失時(shí)，目標(biāo)框需要縮放到特征圖尺度，即除以相應(yīng)的stride，并與預(yù)測的邊界框計(jì)算Ciou Loss，同時(shí)與預(yù)測的anchors中心點(diǎn)到各邊的距離計(jì)算回歸DFLLoss。這個(gè)過程是YOLOv8訓(xùn)練流程中的一部分，通過計(jì)算DFLLoss可以更準(zhǔn)確地調(diào)整預(yù)測框的位置，提高目標(biāo)檢測的準(zhǔn)確性。
本文訓(xùn)練結(jié)果如下：

我們通常用PR曲線來體現(xiàn)精確率和召回率的關(guān)系，本文訓(xùn)練結(jié)果的PR曲線如下。mAP表示Precision和Recall作為兩軸作圖后圍成的面積，m表示平均，@后面的數(shù)表示判定iou為正負(fù)樣本的閾值。mAP@.5：表示閾值大于0.5的平均mAP，可以看到本文模型目標(biāo)檢測的mAP@0.5已經(jīng)達(dá)到了0.958，結(jié)果還是十分不錯(cuò)的。

4. 檢測結(jié)果識(shí)別

模型訓(xùn)練完成后，我們可以得到一個(gè)最佳的訓(xùn)練結(jié)果模型best.pt文件，在runs/trian/weights目錄下。我們可以使用該文件進(jìn)行后續(xù)的推理檢測。
圖片檢測代碼如下：

# 所需加載的模型目錄
path = 'models/best.pt'
# 需要檢測的圖片地址
img_path = "TestFiles/smoke_b000918.jpg"

# 加載預(yù)訓(xùn)練模型
# conf	0.25	object confidence threshold for detection
# iou	0.7	intersection over union (IoU) threshold for NMS
model = YOLO(path, task='detect')
# model = YOLO(path, task='detect',conf=0.5)


# 檢測圖片
results = model(img_path)
res = results[0].plot()
cv2.imshow("YOLOv8 Detection", res)
cv2.waitKey(0)

執(zhí)行上述代碼后，會(huì)將執(zhí)行的結(jié)果直接標(biāo)注在圖片上，結(jié)果如下：

以上便是關(guān)于此款吸煙行為檢測系統(tǒng)的原理與代碼介紹?；诖四Ｐ停┲饔?code>python與Pyqt5開發(fā)了一個(gè)帶界面的軟件系統(tǒng)，即文中第二部分的演示內(nèi)容，能夠很好的支持圖片、視頻及攝像頭進(jìn)行檢測，同時(shí)支持檢測結(jié)果的保存。

關(guān)于該系統(tǒng)涉及到的完整源碼、UI界面代碼、數(shù)據(jù)集、訓(xùn)練代碼、測試圖片視頻等相關(guān)文件，均已打包上傳，感興趣的小伙伴可以通過下載鏈接自行獲取。

【獲取方式】

關(guān)注下方名片G-Z-H：【阿旭算法與機(jī)器學(xué)習(xí)】，回復(fù)【軟件】即可獲取下載方式

本文涉及到的完整全部程序文件：包括python源碼、數(shù)據(jù)集、訓(xùn)練代碼、UI文件、測試圖片視頻等（見下圖），獲取方式見文末：

注意：該代碼基于Python3.9開發(fā)，運(yùn)行界面的主程序?yàn)?code>MainProgram.py，其他測試腳本說明見上圖。為確保程序順利運(yùn)行，請(qǐng)按照程序運(yùn)行說明文檔txt配置軟件運(yùn)行所需環(huán)境。

關(guān)注下方名片GZH:【阿旭算法與機(jī)器學(xué)習(xí)】，回復(fù)【軟件】即可獲取下載方式

結(jié)束語

以上便是博主開發(fā)的基于YOLOv8深度學(xué)習(xí)的吸煙行為檢測系統(tǒng)的全部內(nèi)容，由于博主能力有限，難免有疏漏之處，希望小伙伴能批評(píng)指正。
關(guān)于本篇文章大家有任何建議或意見，歡迎在評(píng)論區(qū)留言交流！

覺得不錯(cuò)的小伙伴，感謝點(diǎn)贊、關(guān)注加收藏哦！文章來源地址http://www.zghlxwxcb.cn/news/detail-757577.html

到了這里，關(guān)于基于YOLOv8深度學(xué)習(xí)的吸煙/抽煙行為檢測系統(tǒng)【python源碼+Pyqt5界面+數(shù)據(jù)集+訓(xùn)練代碼】目標(biāo)檢測、深度學(xué)習(xí)實(shí)戰(zhàn)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！