【目标检测】YOLO v5 吸烟行为识别检测

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

YOLO v5 吸烟行为目标检测模型：计算机配置、制作数据集、训练、结果分析和使用

前言

YOLO v5模型简单易上手好用，场地吸烟行为实时监测。
YOLO v5 优点：

1. 可识别视频帧数高。
2. 技术成熟，有现成模型。
3. 操作简单。

吸烟行为识别：

1. 实时监测。
2. 离线监测。
3. 毕设需求。

吸烟（抽烟）目标检测痛难点：

1. 形状：烟细小，在图像中所占比例小，难捕捉。
2. 颜色：主要有红色、白色和黄或黑色组成，与周围环境颜色难区分。

所以需要收集并制作大量的吸烟图片数据集，同时选择合适的算法模型，以提高目标检测准确率。

相关连接（look评论）

（1）本文视频教程：https://www.bilibili.com/video/BV1S5411Q7Zi/
（2）xml格式转换成YOLO标注格式txt的python脚本
（3）吸烟检测项目YOLO格式数据集
（4）YOLO v5 吸烟行为识别检测项目模型代码及模型权重

一、计算机配置

pytorch安装-GPU版本

pytorch有gpu版本和cpu版本，图片识别最好（必须）使用GPU版本，前提是电脑有GPU。GPU版本安装的具体步骤可以参考这篇文章：GPU版本安装。

pycocotools的安装

pip install pycocotools-windows

二、YOLO v5下载

YOLO v5模型官网，有具体的使用说明和介绍。视频识别帧数杠杠的！但这官网YOLO v5 包没有设计Windows界面。

目前官网YOLO v5 包里训练模型主要有v5s、v5m、v5l、v5x，对GPU要求依次增加，其中v5x对GPU要求异常高。

三、模型使用

获取数据集

使用标注好的吸烟数据集，数据集原本是VOC样式，写个脚本，将VOC格式转换成YOLO格式。制作好的吸烟数据集YOLO格式数据集文件如下图所示。

images文件里的分类和数量必须和labels文件相对应。如有需要吸烟检测项目YOLO格式数据集可直接下载，该数据集有6400+张图片。

更改train.py文件

train.py文件修改部分如下图，修改的参数很少，简单易上手，对小白很友好。

本文使用的是YOLO v5s配置文件，预训练模型也是YOLO v5s模型，使用GPU计算，迭代次数为50，训练时间很长，很辛苦！若更改迭代次数为100或更改为更大的模型，训练耗时更长！

模型权重

使用GPU训练模型，训练几十个小时。结果迭代过程损失如图，可以看出，训练结果还是很好的，mAP值可达0.8以上。

四、吸烟视频检测效果

直接使用上述YOLO v5s 模型权重，载入Windows界面代码，对吸烟视频进行识别检测，效果还是很好的，吸烟检测置信度稳定在0.75！也可以连接摄像头实时监测！

【目标检测】基于YOLO v5吸烟行为视频检测

总结

基于YOLO v5 模型，吸烟目标检测亲测效果好！
相关代码、数据集和模型，如有需要，亦可远程指导。