实时吸烟检测系统：基于深度学习与YOLO模型的完整实现

引言

在公共场所吸烟不仅有害吸烟者的健康，也会影响到周围的人。为了更好地管理和监控公共场所的吸烟行为，本文介绍了一种基于深度学习的吸烟检测系统。该系统包含一个用户界面，利用YOLO（You Only Look Once）v8/v7/v6/v5模型进行吸烟检测，并提供了完整的实现步骤和代码。

系统架构

数据收集和预处理
模型训练
系统实现
用户界面设计

数据收集和预处理

数据集

为了训练一个高精度的吸烟检测模型，我们需要一个包含大量吸烟和非吸烟图片的数据集。可以使用以下途径收集数据：

公开数据集：如Kaggle上的相关数据集。
自定义数据集：通过互联网、监控摄像头等途径收集图片。

数据标注

使用工具如LabelImg对数据进行标注。标注内容包括吸烟者的位置（bounding box）和标签（吸烟/非吸烟）。

# 训练数据集文件结构示例
dataset/├── images/│   ├── train/│   └── val/└── labels/├── train/└── val/

模型训练

YOLO模型有多个版本，本文选取YOLOv8作为示范，其他版本可以通过相似方法实现。

环境配置

安装YOLOv8所需的依赖库：

pip install ultralytics

模型训练代码

使用YOLOv8进行模型训练，假设数据已经按照YOLO的格式进行预处理和标注。

from ultralytics import YOLO# 加载预训练的YOLOv8模型
model = YOLO('yolov8.yaml')# 配置训练参数
model.train(data='path/to/dataset.yaml', epochs=50, imgsz=640, batch=16)# 保存训练后的模型
model.save('best.pt')

系统实现

吸烟检测

利用训练好的模型进行吸烟检测，并实现视频流的实时检测。

import cv2
from ultralytics import YOLO# 加载训练好的模型
model = YOLO('best.pt')# 打开视频流
cap = cv2.VideoCapture('path/to/video.mp4')while cap.isOpened():ret, frame = cap.read()if not ret:break# 检测吸烟行为results = model(frame)for result in results:bbox = result['bbox']label = result['label']confidence = result['confidence']# 画框和标签cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (0, 255, 0), 2)cv2.putText(frame, f'{label} {confidence:.2f}', (bbox[0], bbox[1] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)# 显示视频cv2.imshow('Smoke Detection', frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.release()
cv2.destroyAllWindows()

用户界面设计

用户界面采用PyQt5实现，提供视频播放和吸烟检测结果显示。

安装PyQt5

pip install PyQt5

界面代码

import sys
from PyQt5.QtWidgets import QApplication, QWidget, QVBoxLayout, QLabel, QPushButton, QFileDialog
from PyQt5.QtGui import QPixmap, QImage
import cv2
from ultralytics import YOLOclass SmokeDetectionUI(QWidget):def __init__(self):super().__init__()self.initUI()self.model = YOLO('best.pt')def initUI(self):self.setWindowTitle('Smoke Detection System')self.layout = QVBoxLayout()self.label = QLabel(self)self.layout.addWidget(self.label)self.button = QPushButton('Open Video', self)self.button.clicked.connect(self.open_video)self.layout.addWidget(self.button)self.setLayout(self.layout)def open_video(self):options = QFileDialog.Options()video_path, _ = QFileDialog.getOpenFileName(self, "Open Video", "", "All Files (*);;MP4 Files (*.mp4)", options=options)if video_path:self.detect_smoke(video_path)def detect_smoke(self, video_path):cap = cv2.VideoCapture(video_path)while cap.isOpened():ret, frame = cap.read()if not ret:breakresults = self.model(frame)for result in results:bbox = result['bbox']label = result['label']confidence = result['confidence']cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (0, 255, 0), 2)cv2.putText(frame, f'{label} {confidence:.2f}', (bbox[0], bbox[1] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)# 将frame转换为QImageheight, width, channel = frame.shapebytesPerLine = 3 * widthqImg = QImage(frame.data, width, height, bytesPerLine, QImage.Format_RGB888).rgbSwapped()self.label.setPixmap(QPixmap.fromImage(qImg))cv2.waitKey(1)cap.release()if __name__ == '__main__':app = QApplication(sys.argv)ex = SmokeDetectionUI()ex.show()sys.exit(app.exec_())