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 前言相关连接（look评论）一、计算机配置pytorch安装-GPU版本pycocotools的安装 二、YOLO v5下载三、模型使用获取数据集更改train.py文件模型权重 四、吸烟视频检测效果总结前言
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：
可识别视频帧数高。技术成熟，有现成模型。操作简单。吸烟行为识别：
实时监测。离线监测。毕设需求。吸烟（抽烟）目标检测痛难点：
形状：烟细小，在图像中所占比例小，难捕捉。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://·/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。
 1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，会注明原创字样,如未注明都非原创，如有侵权请联系删除！；3.作者投稿可能会经我们编辑修改或补充；4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。 |
