【深度学习】吸烟行为检测软件系统

在这里插入图片描述
往期文章列表：

【YOLO深度学习系列】图像分类、物体检测、实例分割、物体追踪、姿态估计、定向边框检测演示系统【含源码】
【深度学习】YOLOV8数据标注及模型训练方法整体流程介绍及演示
【深度学习】行人跌倒行为检测软件系统
【深度学习】火灾检测软件系统
【深度学习】吸烟行为检测软件系统原文（附源码下载方式）

摘要：本文主要使用YOLOV8深度学习框架自训练了一个“吸烟检测模型”，基于此模型使用PYQT5实现了一款界面软件用于功能演示。让您可以更好的了解和学习，该软件支持图片、视频以及摄像头进行吸烟目标检测，本系统所涉及的训练数据及软件源码已打包上传，需要的朋友文章末尾结束语获取下载链接，免费，无套路！！

前言

吸烟检测算法可能应用场景如下：

公共场所监控：机场、火车站、地铁、商场、酒店
企业和办公室：公司办公楼、工厂、仓库
教育机构：学校和大学
交通工具：公共交通工具、飞机和船舶
医疗机构：医院和诊所
住宅区和物业管理：公寓和居民楼
智慧城市和智慧社区：智能监控系统
娱乐场所：电影院、剧院、体育馆
通过应用深度学习训练的吸烟检测模型，能够自动、准确地识别吸烟行为，从而有效地监控和管理吸烟问题，提升公共健康安全水平和环境质量。

软件功能演示

吸烟行为检测

图片检测演示

点击图片图标，选择需要检测的图片，即可得到检测结果。
在这里插入图片描述

视频检测演示

点击视频图标，选择需要检测的视频，即可得到检测结果。
在这里插入图片描述

摄像头功能

系统还提供了摄像头实时监测功能，可以自己打开电脑摄像头点上一支。。。。

模型训练

关于YOLOV8的数据标注及模型训练更详细的内容，可关注我的另一篇专门记录这部分的文章。
3.1 数据集准备及标注
3.2 训练方法
可参考：【深度学习】YOLOV8数据标注及模型训练方法整体流程介绍及演示

训练结果评估

关于该系统涉及到的完整源码、UI界面代码、数据集、训练代码、测试图片视频等相关文件，均已打包上传，感兴趣的小伙伴可以通过下载链接自行获取。
通常用损失函数下降的曲线来观察模型训练的情况，yolov8训练时主要包含三个方面的损失：定位损失、分类损失和动态特征损失，训练结束后，在runs/目录下找到训练过程及结果文件：
[图片]

定位损失box_loss：预测框与标定框之间的误差GloU，越小定位越准确
分类损失cls_loss：计算锚框与对应标定分类是否正确，越小分类越准确
动态特征损失dfl_loss：一种用于回归预测框与目标框之间距离的损失函数，通过计算动态特征损失，可以更准确地调整预测框的位置，提高目标检测的准确性。
本文训练结果如下：