基于深度学习YOLOv8+Pyqt5的抽烟吸烟检测识别系统（源码+跑通说明文件）

wx供重浩：创享日记
对话框发送：39抽烟
获取完整源码源文件+4000张已标注的数据集+配置说明文件
可有偿59yuan一对一远程操作跑通

效果展示

基于深度学YOLOv8+PyQt5的抽烟吸烟检测识别系统（完整源码+跑通说明文件）

在这里插入图片描述
在这里插入图片描述

各文件说明

在这里插入图片描述

模型评价指标

精确度（Precision）：这个指标告诉你，系统检测到的对象中，有多少是真正存在的。就像你在一个果园里找苹果，精确度就是你能正确找到的苹果数占你找到的所有“苹果”的比例。

召回率（Recall）：这个指标衡量的是，所有真实存在的对象中，有多少被系统正确检测到了。继续果园的例子，召回率就是所有真实苹果中，你找到的苹果所占的比例。

F1分数（F1 Score）：这是一个综合考虑精确度和召回率的指标。如果一个系统既有很高的精确度也有很高的召回率，那么它的F1分数就会很高。这就像是你既找到了很多苹果，又确保了几乎所有的苹果都被你找到了。

平均精度（Average Precision, AP）：这个指标衡量的是，在不同的置信度阈值下，精确度和召回率的平均表现。置信度可以理解为系统对检测到的对象存在的把握程度。AP越高，表示系统在不同置信度下的表现越稳定。

mAP（Mean Average Precision）：这是在多个类别上计算AP后的平均值。如果一个系统需要检测多种类型的对象，比如猫、狗、鸟等，mAP就是这些类别AP值的平均，它提供了一个整体的性能评价。

速度（Speed）：虽然不是直接的评价指标，但速度对于实时对象检测系统非常重要。YOLO系列的一个优点就是它的速度非常快，可以在视频流中实时检测对象，而不会有明显的延迟。

模型大小（Model Size）：这个指标衡量的是模型的文件大小。在资源有限的设备上，如手机或嵌入式系统，模型大小是一个重要的考虑因素。

泛化能力（Generalization）：这个指标衡量的是模型在未见过的数据上的表现。一个好的对象检测系统应该能够在多种环境和条件下都能稳定地工作。

这些指标通常在研究论文或技术报告中被用来比较不同的对象检测系统。在实际应用中，根据具体需求，可能会更关注某些指标。例如，对于需要实时反馈的应用，速度可能比精确度更重要。而对于安全监控系统，精确度和召回率可能更为关键。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在现代社会，公共场所的禁烟政策越来越严格，以减少二手烟对非吸烟者的影响。然而，监管和执行这些政策仍然面临挑战。本文提出了一种基于YOLOv8（You Only Look Once version 8）的抽烟检测系统，该系统结合了深度学习技术和PyQt5图形用户界面框架，旨在实时监测并识别公共场所中的吸烟行为。该系统的设计考虑了实时性、准确性和用户友好性，为提高公共场所的空气质量和遵守禁烟规定提供了技术支持。

抽烟检测系统的设计和实现如下：

系统设计
数据集准备
为了训练YOLOv8模型，首先需要收集和标注一个包含各种吸烟行为的图像数据集。这个数据集应该包含不同背景、多种吸烟姿势、以及各种类型的香烟。图像标注需要明确指出吸烟者的位置和吸烟动作，以便模型学习识别吸烟行为。

模型训练
使用准备好的数据集，对YOLOv8模型进行训练。在训练过程中，需要调整学习率、批大小、训练周期等超参数，以优化检测效果。同时，可以采用数据增强技术，如随机裁剪、旋转、颜色变换等，以增强模型对不同场景的适应能力。

系统实现
系统的核心是YOLOv8模型，它负责从输入的实时视频流中检测吸烟行为。系统还包括一个基于PyQt5的用户界面，用于显示检测结果和发出警报。当模型检测到吸烟行为时，系统会通过声音或视觉信号提醒管理人员。

实时检测
为了实现实时检测，系统需要能够在低延迟的情况下处理视频流。这要求模型不仅要准确，还要高效。在实际部署中，可能需要在边缘设备上进行模型推理，以减少对中心服务器的依赖。

结果与讨论
在测试集上，YOLOv8模型展现出了较高的吸烟行为检测准确率。在不同的环境和光照条件下，模型都能稳定地识别吸烟者。然而，模型在处理遮挡严重或吸烟者与背景颜色相近的情况下仍有改进空间。

结论
本文提出的基于YOLOv8和PyQt5的抽烟检测系统，能够有效地辅助公共场所的禁烟管理。通过实时监测和提醒，该系统有助于提高禁烟规定的执行力度，保护非吸烟者免受二手烟的危害。未来的工作将集中在进一步提高模型的鲁棒性，以及探索更高效的模型部署和集成方案。

部分PyQt5可视化代码

# -*- coding: utf-8 -*-
import time
from PyQt5.QtWidgets import QApplication , QMainWindow, QFileDialog, \QMessageBox,QWidget,QHeaderView,QTableWidgetItem, QAbstractItemView
import sys
import os
from PIL import ImageFont
from ultralytics import YOLO
sys.path.append('UIProgram')
from UIProgram.UiMain import Ui_MainWindow
import sys
from PyQt5.QtCore import QTimer, Qt, QThread, pyqtSignal,QCoreApplication
import detect_tools as tools
import cv2
import Config
from UIProgram.QssLoader import QSSLoader
from UIProgram.precess_bar import ProgressBar
import numpy as np
# import torchclass MainWindow(QMainWindow):def __init__(self, parent=None):super(QMainWindow, self).__init__(parent)self.ui = Ui_MainWindow()self.ui.setupUi(self)self.initMain()self.signalconnect()# 加载css渲染效果style_file = 'UIProgram/style.css'qssStyleSheet = QSSLoader.read_qss_file(style_file)self.setStyleSheet(qssStyleSheet)def signalconnect(self):self.ui.PicBtn.clicked.connect(self.open_img)self.ui.comboBox.activated.connect(self.combox_change)self.ui.VideoBtn.clicked.connect(self.vedio_show)self.ui.CapBtn.clicked.connect(self.camera_show)self.ui.SaveBtn.clicked.connect(self.save_detect_video)self.ui.ExitBtn.clicked.connect(QCoreApplication.quit)self.ui.FilesBtn.clicked.connect(self.detact_batch_imgs)def initMain(self):self.show_width = 770self.show_height = 480self.org_path = Noneself.is_camera_open = Falseself.cap = None# self.device = 0 if torch.cuda.is_available() else 'cpu'# 加载检测模型self.model = YOLO(Config.model_path, task='detect')self.model(np.zeros((48, 48, 3)))  #预先加载推理模型self.fontC = ImageFont.truetype("Font/platech.ttf", 25, 0)# 用于绘制不同颜色矩形框self.colors = tools.Colors()# 更新视频图像self.timer_camera = QTimer()# 更新检测信息表格# self.timer_info = QTimer()# 保存视频self.timer_save_video = QTimer()# 表格self.ui.tableWidget.verticalHeader().setSectionResizeMode(QHeaderView.Fixed)self.ui.tableWidget.verticalHeader().setDefaultSectionSize(40)self.ui.tableWidget.setColumnWidth(0, 80)  # 设置列宽self.ui.tableWidget.setColumnWidth(1, 200)self.ui.tableWidget.setColumnWidth(2, 150)self.ui.tableWidget.setColumnWidth(3, 90)self.ui.tableWidget.setColumnWidth(4, 230)# self.ui.tableWidget.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch)  # 表格铺满# self.ui.tableWidget.horizontalHeader().setSectionResizeMode(0, QHeaderView.Interactive)# self.ui.tableWidget.setEditTriggers(QAbstractItemView.NoEditTriggers)  # 设置表格不可编辑self.ui.tableWidget.setSelectionBehavior(QAbstractItemView.SelectRows)  # 设置表格整行选中self.ui.tableWidget.verticalHeader().setVisible(False)  # 隐藏列标题self.ui.tableWidget.setAlternatingRowColors(True)  # 表格背景交替# 设置主页背景图片border-image: url(:/icons/ui_imgs/icons/camera.png)# self.setStyleSheet("#MainWindow{background-image:url(:/bgs/ui_imgs/bg3.jpg)}")def open_img(self):if self.cap:# 打开图片前关闭摄像头self.video_stop()self.is_camera_open = Falseself.ui.CaplineEdit.setText('摄像头未开启')self.cap = None# 弹出的窗口名称：'打开图片'# 默认打开的目录：'./'# 只能打开.jpg与.gif结尾的图片文件# file_path, _ = QFileDialog.getOpenFileName(self.ui.centralwidget, '打开图片', './', "Image files (*.jpg *.gif)")file_path, _ = QFileDialog.getOpenFileName(None, '打开图片', './', "Image files (*.jpg *.jepg *.png)")if not file_path:returnself.ui.comboBox.setDisabled(False)self.org_path = file_pathself.org_img = tools.img_cvread(self.org_path)# 目标检测t1 = time.time()self.results = self.model(self.org_path)[0]t2 = time.time()take_time_str = '{:.3f} s'.format(t2 - t1)self.ui.time_lb.setText(take_time_str)location_list = self.results.boxes.xyxy.tolist()self.location_list = [list(map(int, e)) for e in location_list]cls_list = self.results.boxes.cls.tolist()self.cls_list = [int(i) for i in cls_list]self.conf_list = self.results.boxes.conf.tolist()self.conf_list = ['%.2f %%' % (each*100) for each in self.conf_list]# now_img = self.cv_img.copy()# for loacation, type_id, conf in zip(self.location_list, self.cls_list, self.conf_list):#     type_id = int(type_id)#     color = self.colors(int(type_id), True)#     # cv2.rectangle(now_img, (int(x1), int(y1)), (int(x2), int(y2)), colors(int(type_id), True), 3)#     now_img = tools.drawRectBox(now_img, loacation, Config.CH_names[type_id], self.fontC, color)now_img = self.results.plot()self.draw_img = now_img# 获取缩放后的图片尺寸self.img_width, self.img_height = self.get_resize_size(now_img)resize_cvimg = cv2.resize(now_img,(self.img_width, self.img_height))pix_img = tools.cvimg_to_qpiximg(resize_cvimg)self.ui.label_show.setPixmap(pix_img)self.ui.label_show.setAlignment(Qt.AlignCenter)# 设置路径显示self.ui.PiclineEdit.setText(self.org_path)# 目标数目target_nums = len(self.cls_list)self.ui.label_nums.setText(str(target_nums))# 设置目标选择下拉框choose_list = ['全部']target_names = [Config.names[id]+ '_'+ str(index) for index,id in enumerate(self.cls_list)]# object_list = sorted(set(self.cls_list))# for each in object_list:#     choose_list.append(Config.CH_names[each])choose_list = choose_list + target_namesself.ui.comboBox.clear()self.ui.comboBox.addItems(choose_list)if target_nums >= 1:self.ui.type_lb.setText(Config.CH_names[self.cls_list[0]])self.ui.label_conf.setText(str(self.conf_list[0]))#   默认显示第一个目标框坐标#   设置坐标位置值self.ui.label_xmin.setText(str(self.location_list[0][0]))self.ui.label_ymin.setText(str(self.location_list[0][1]))self.ui.label_xmax.setText(str(self.location_list[0][2]))self.ui.label_ymax.setText(str(self.location_list[0][3]))else:self.ui.type_lb.setText('')self.ui.label_conf.setText('')self.ui.label_xmin.setText('')self.ui.label_ymin.setText('')self.ui.label_xmax.setText('')self.ui.label_ymax.setText('')# # 删除表格所有行self.ui.tableWidget.setRowCount(0)self.ui.tableWidget.clearContents()self.tabel_info_show(self.location_list, self.cls_list, self.conf_list,path=self.org_path)if __name__ == "__main__":app = QApplication(sys.argv)win = MainWindow()win.show()sys.exit(app.exec_())

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/527396.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

算法中的数学知识

算法中的数学知识

文章目录 算法中的数学知识约数约数个数约数之和 筛法求质数阶乘分解解法一解法二： 欧拉函数基本模板筛法求欧拉函数大数据幂的欧拉函数 快速幂费马小定理快速幂求逆元数论分块例题：[因数平方和](https://www.acwing.com/problem/content/4665/)分析:具体…
阅读更多...
HTML 学习笔记(一)开始

HTML 学习笔记(一)开始

一、介绍: 首先引用百度百科的一段话作为介绍:   HTML的全称为超文本标记语言，是一种标记语言。它包括一系列标签，通过这些标签可以将网络上的文档格式统一，使分散的Internet资源连接为一个逻辑整体。HTML文本是由HTML命令组成的描述性文本…
阅读更多...
flink 总结

flink 总结

flink 流式api checkpoint state 状态分类 Managed State 和 Raw State Managed State Flink 自己管理，支持多种数据结构 Raw State 用户自己管理， 只支持byte Managed Staste 分为 Keyed State 和 operator State Managed State 只能在Keyed Str…
阅读更多...
【自制操作系统】系统启动流程，工具使用和启动区的制作

【自制操作系统】系统启动流程，工具使用和启动区的制作

📝本文介绍 本文主要从系统系统的启动流程开始，中间介绍一些所用工具的使用方法，最后将完成一个启动区的制作。此次的启动区只涉及到汇编代码。 👋作者简介：一个正在积极探索的本科生 📱联系方式&#xff1…
阅读更多...
【Week Y1】调用官方权重进行检测

【Week Y1】调用官方权重进行检测

YOLO白皮书之调用官方权重进行检测 一、下载yolo-v5s源码，并配置编译环境二、输入本地图片查看检测结果三、输入本地视频查看检测结果 🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者：K同学啊 | 接辅导、项…
阅读更多...
【大厂AI课学习笔记NO.71】AI算力芯片GPU/TPU等

【大厂AI课学习笔记NO.71】AI算力芯片GPU/TPU等

AI算力芯片的发展历程 人工智能（AI）算力芯片的发展历程紧密地跟随着AI技术的发展脚步。从早期的基于传统中央处理器（CPU）的计算，到图形处理器（GPU）的广泛应用，再到专门为AI设计的处…
阅读更多...
外包干了6天后悔了，技术明显进步。。。。。

外包干了6天后悔了，技术明显进步。。。。。

先说一下自己的情况，本科生，19年通过校招进入广州某软件公司，干了接近3年的功能测试，今年年初，感觉自己不能够在这样下去了，长时间呆在一个舒适的环境会让一个人堕落!而我已经在一个企业干了四年的功能测试…
阅读更多...
【Kafka系列 08】生产者消息分区机制详解

【Kafka系列 08】生产者消息分区机制详解

一、前言 我们在使用 Apache Kafka 生产和消费消息的时候，肯定是希望能够将数据均匀地分配到所有服务器上。 比如很多公司使用 Kafka 收集应用服务器的日志数据，这种数据都是很多的，特别是对于那种大批量机器组成的集群环境，每分…
阅读更多...
YOLOv5-Openvino-ByteTrack【CPU】

YOLOv5-Openvino-ByteTrack【CPU】

纯检测如下： YOLOv5-Openvino和ONNXRuntime推理【CPU】 YOLOv6-Openvino和ONNXRuntime推理【CPU】 YOLOv8-Openvino和ONNXRuntime推理【CPU】 YOLOv9-Openvino和ONNXRuntime推理【CPU】 注：YOLOv5和YOLOv6代码内容基本一致！ 全部代码Github&…
阅读更多...
P8680 [蓝桥杯 2019 省 B] 特别数的和：做题笔记

P8680 [蓝桥杯 2019 省 B] 特别数的和：做题笔记

目录 思路 代码 题目链接： P8680 [蓝桥杯 2019 省 B] 特别数的和 思路 最开始我思路主要是从数字转字符串上想的。因为我们需要判断每一位是否是特殊数，字符串很容易做到这一点，只是在数字相加这一步不好实现。 需要用到字符串与数字的…
阅读更多...
实验二（二）OSPF路由协议基础实验

实验二（二）OSPF路由协议基础实验

1.实验介绍 1.1关于本实验 开放式最短路径优先 OSPF(Open Shortest Path First)是IETF 组织开发的一个基于链路状态的内部网关协议(Interior Gateway Protocol)。目前针对 IPv4 协议使用的是 OSPF Version 2(RFC2328);OSPF 作为基于链路状态的协议，OSPF 具有以下优…
阅读更多...
乡村治理深度解析：策略、挑战与解决方案

乡村治理深度解析：策略、挑战与解决方案

毋庸置疑，在今天这个崭新的时代，乡村治理的过程已然向我们发出了挑战。为了迎难而上，我们必须摒弃陈旧观念，勇敢迎接并大胆尝试探索与实践新的思路！为了达到这一宏伟目标，我们需要首先廓清如下关键概念&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023