Lnton 羚通智能分析算法吸烟行为检测系统

   吸烟行为检测是指通过计算机视觉技术对人体吸烟行为进行实时监测和识别的过程。吸烟行为检测主要包括吸烟检测和烟雾检测两类。吸烟检测主要通过分析监控视频图像中人体的姿态、动作等特征，结合机器学习、深度学习等方法实现对吸烟行为的自动检测和识别。烟雾检测则主要通过分析监控视频图像中的烟雾特征，如烟雾颜色、烟雾形状、烟雾密度等，结合图像处理和模式识别技术，实现对烟雾的自动检测和识别。吸烟行为检测可以广泛应用于公共场所、办公场所、医院等场所的吸烟行为监管，有助于减少吸烟对健康的危害和减少吸烟对公共环境的污染。同时，吸烟行为检测也可以用于烟草研究、吸烟行为数据分析等领域。近年来，随着计算机视觉和人工智能技术的不断发展和应用，吸烟行为检测的精度和实时性不断提高，为吸烟行为监管和烟草控制提供了新的技术手段。

       吸烟行为检测软件主要用于日常公共场合等限制吸烟的场所智能监测，基于 YOLOv8 算法检测吸烟行为的标记位置，保存和记录检测框坐标，以辅助公共场所吸烟安全警报；软件提供登录注册功能，可进行用户管理；软件能够有效通过图片、视频等文件形式，检测定位吸烟行为并提示，记录结果在界面表格中方便查看；可开启摄像头实时定位吸烟行为，支持结果记录、展示和保存。

def predict(img):
    img = torch.from_numpy(img).to(device)
    img = img.half() if half else img.float()
    img /= 255.0
    if img.ndimension() == 3:
        img = img.unsqueeze(0)

    t1 = time_synchronized()
    pred = model(img, augment=False)[0]
    pred = non_max_suppression(pred, opt.conf_thres, opt.iou_thres, classes=opt.classes,
                               agnostic=opt.agnostic_nms)
    t2 = time_synchronized()
    InferNms = round((t2 - t1), 2)

    return pred, InferNms

  Lnton 羚通智能分析算法吸烟行为检测系统能够在发现吸烟行为之后快速做出识别反应，锁定目标人物，具有准确性和可靠性。但在同时也会切身保护个人的隐私权益。