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）

news2024/9/30 13:15:20

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 torch

class 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 = 770
        self.show_height = 480

        self.org_path = None

        self.is_camera_open = False
        self.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 = False
            self.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:
            return

        self.ui.comboBox.setDisabled(False)
        self.org_path = file_path
        self.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_names

        self.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.coloradmin.cn/o/1505979.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Mybatis-Plus——07，性能分析插件

Mybatis-Plus——07，性能分析插件

性能分析插件 一、导入插件二、SpringBoot中配置环境为dev或test环境三、运行测试————————创作不易，笔记不易，如觉不错，请三连，谢谢~~ MybatisPlus也提供了性能分析插件，如果超过这个时间就停止运行&#xff0…
阅读更多...
常见3大web漏洞

常见3大web漏洞

常见3大web漏洞 XSS攻击 描述： 跨站脚本（cross site script）-简称XSS，常出现在web应用中的计算机安全漏桶、web应用中的主流攻击方式。 攻击原理： 攻击者利用网站未对用户提交数据进行转义处理或者过滤不足的缺点。 …
阅读更多...
前端文件上传

前端文件上传

文件上传方式 前端文件上传有两种方式，第一种通过二进制blob传输（formData传输），第二种是通过base64传输 文件相关的对象 file对象其实是blob的子类 blob对象的第一个参数必须是一个数组，你可以把一个file对象放进去…
阅读更多...
Oracle SQL优化（读懂执行计划 一）

Oracle SQL优化（读懂执行计划 一）

目录 SQL执行计划的作用示例演示执行计划概念介绍执行计划实例DISPLAY_CURSOR 类型DISPLAY_AWR 类型 指标详解 SQL执行计划的作用 示例演示 执行计划概念介绍 执行计划实例 DISPLAY_CURSOR 类型 DISPLAY_AWR 类型 指标详解
阅读更多...
Vivado原语模板

Vivado原语模板

1.原语的概念 原语是一种元件！ FPGA原语是芯片制造商已经定义好的基本电路元件，是一系列组成逻辑电路的基本单元，FPGA开发者编写逻辑代码时可以调用原语进行底层构建。 原语可分为预定义原语和用户自定义原语。预定义原语为如and/or等门级原语…
阅读更多...
【电路笔记】-PNP晶体管

【电路笔记】-PNP晶体管

PNP晶体管 文章目录 PNP晶体管1、概述2、PNP晶体管电路示例3、PNP晶体管识别1、概述 PNP 晶体管与我们在上一篇教程中看到的 NPN 晶体管器件完全相反。 在这种类型的 PNP 晶体管结构中，两个互连的二极管相对于之前的 NPN 晶体管是相反的。 这会产生正-负-正类型的配置，箭头…
阅读更多...
vxe-table配合Export2Excel导出object类型数据{type，count}。表格数据呈现是利用插槽，导出只要count该怎么做

vxe-table配合Export2Excel导出object类型数据{type，count}。表格数据呈现是利用插槽，导出只要count该怎么做

先贴一张数据来： 一、然后是vxe-grid的columns配置： 然后就正常用封装好的Export2Excel就行。 碰到一次在控制台报错： 没复现出来，大概就说是count咋样咋样。 以后碰到的话再说，各位要用的话也注意看看 二、或者 用js…
阅读更多...
不知道吧，腾讯云轻量应用服务器使用有一些限制！

不知道吧，腾讯云轻量应用服务器使用有一些限制！

腾讯云轻量应用服务器相对于云服务器CVM是有一些限制的，比如轻量服务器不支持更换内网IP地址，不支持自定义私有网络VPC，内网连通性方面也有限制，轻量不支持CPU内存、带宽或系统盘单独升级，只能整个套餐整体升级&#x…
阅读更多...
AWS 入门实践-远程访问AWS EC2 Linux虚拟机

AWS 入门实践-远程访问AWS EC2 Linux虚拟机

远程访问AWS EC2 Linux虚拟机是AWS云计算服务中的一个基本且重要的技能。本指南旨在为初学者提供一系列步骤，以便成功地设置并远程访问他们的EC2 Linux实例。包括如何上传下载文件、如何ssh远程登录EC2虚拟机。 一、创建一个AWS EC2 Linux 虚拟机 创建一个Amazon…
阅读更多...
MySQL通过SQL语句进行递归查询

MySQL通过SQL语句进行递归查询

这里主要是针对于MySQL8.0以下版本，因为MySQL8.0版本出来了一个WITH RECURSIVE函数专门用来进行递归查询的 先看下表格数据，就是很普通的树结构数据，通过parentId关联上下级关系 下面我们先根据上级节点id递归获取所有的下级节点数据&#x…
阅读更多...
nmcli绑定bond双网卡（active-backup模式）

nmcli绑定bond双网卡（active-backup模式）

当前网卡mac地址IP都不一样 创建名为“jbl”的新连接，并将其模式设置为“active-backup” nmcli connection add type bond ifname jbl mode active-backup添加物理网卡到bond(JBL),两个物理网卡添加到新创建的bond连接中 nmcli connection add type bond-slave…
阅读更多...
python：布伊山德U检验（Buishand U test，BUT）突变点检测（以NDVI时间序列为例）

python：布伊山德U检验（Buishand U test，BUT）突变点检测（以NDVI时间序列为例）

作者：CSDN @ _养乐多_ 本文将介绍布伊山德U检验（Buishand U test，BUT）突变点检测代码。以 NDVI 时间序列为例。输入数据可以是csv，一列NDVI值，一列时间。代码可以扩展到遥感时间序列突变检测（突变年份、突变幅度等）中。 结果如下图所示， 文章目录 一、准备数据二、…
阅读更多...
Building Systems with the ChatGPT API

Building Systems with the ChatGPT API

Building Systems with the ChatGPT API 本文是 https://www.deeplearning.ai/short-courses/building-systems-with-chatgpt/ 这门课程的学习笔记。 文章目录 Building Systems with the ChatGPT APIWhat you’ll learn in this course Language Models, the Chat Format and…
阅读更多...
编译原理之词法分析-语法分析-中间代码生成

编译原理之词法分析-语法分析-中间代码生成

编译原理之词法分析-语法分析-中间代码生成 文章说明源码效果展示Gitee链接 文章说明 学习编译原理后，总是想制作自己的一款小语言编译器，虽然对技术不是很理解，学的不是很扎实，但还是想着尝试尝试；目前该效果只是初步…
阅读更多...
关于安卓ZXing条码识别（一）引入源码

关于安卓ZXing条码识别（一）引入源码

背景 从0-1引入安卓zxing，实现条码识别 环境 win10 as4 jdk8 引入 首先，官方网站，就是源码。链接 选择你要引入的分支，这里博主选择的是最近更新的分支，如下图： 上图中，1和2都需要引入&am…
阅读更多...
eNSP模拟器-单臂路由

eNSP模拟器-单臂路由

设备名/VLANIPPC1192.168.10.2/24PC2192.168.20.2/24VLAN10192.168.10.1VLAN20192.168.20.1 交换机LSW1配置&#xff1a; <Huawei>sys # 进入系统视图 Enter system view, return user view with CtrlZ. [Huawei]vlan 10 # 创建vlan10 [Huawei-vlan10]q [Huawei]…
阅读更多...
【实战项目】Boost搜索引擎项目

【实战项目】Boost搜索引擎项目

目录 1. 项目的相关背景 2. 搜索引擎的相关宏观原理 3. 搜索引擎技术栈和项目环境 4. 正排索引 vs 倒排索引 - 搜索引擎具体原理 4.1 正排索引 4.2 目标文档进行分词 4.3 倒排索引 4.4 模拟一次查找的过程&#xff1a; 5. 编写数据去标签与数据清洗的模块 Parser 5.1…
阅读更多...
2024春招算法打卡-腾讯WXG

2024春招算法打卡-腾讯WXG

大数相乘 class Solution {public String multiply(String num1, String num2) {String ZERO_STR "0";String ONE_STR "1";// 其中一个为0直接返回0if(ZERO_STR.equals(num1) || ZERO_STR.equals(num2)){return ZERO_STR;}// 其中一个为1直接返回另一…
阅读更多...
TCP粘包和分包

TCP粘包和分包

TCP的粘包和分包是网络通信中常见的问题&#xff0c;特别是在使用TCP协议进行数据传输时。这两个问题都涉及到TCP在传输数据时的工作机制。 粘包&#xff08;TCP数据合并&#xff09; 粘包指的是发送方发送的多个小数据包在传输过程中被TCP协议合并成一个大的数据包接收&…
阅读更多...
AI写真，太火了

AI写真，太火了

昨天晚上&#xff0c;AI大佬吴东子直播讲解了AI写真项目&#xff0c;说21点破局星球会准时放出预约链接&#xff0c;结果21点星球直接崩溃了&#xff0c;只能说这个项目太火爆了 经过星球授权&#xff0c;这里把整个项目的SOP截取一部分给到大家&#xff0c;完整的SOP太长了&am…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023