吸烟检测

最新推荐文章于 2024-03-07 10:25:29 发布
最新推荐文章于 2024-03-07 10:25:29 发布
阅读量1.5k 收藏 3
点赞数 2
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/luhuillll/article/details/106364211
版权

最新的吸烟检测效果

 

winxp-pic
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
检测吸烟的代码，可增加实时监控
05-07
检测吸烟的代码，可增加实时监控
【深度学习目标检测】四、基于深度学习的抽烟识别（python，yolov8）
AI爱好者的博客，分享计算机领域相关知识
12-14 2184
YOLOv8是一种物体检测算法，是YOLO系列算法的最新版本。本文使用yolov8检测抽烟行为，适合本科毕业设计和深度学习入门者。
基于YOLOv8的人员抽烟实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
最新发布
源的博客
03-07 933
人员抽烟实时检测系统旨在维护无烟环境，预防火灾，保护公众免受二手烟危害，并降低病毒传播风险。本文基于YOLOv8算法框架，通过2472张训练图片（其中2276张训练集，196张验证集），训练出一个可用于检测人群中抽烟情况的有效检测模型（主要用于公共场所的检测识别）。此外，为更好地展示算法效果，基于此模型开发了一款带GUI界面的基于YOLOv8的人员抽烟实时检测系统，可用于实时检测人群中的抽烟情况。该系统是基于Python和Pyside6开发并支持以下功能特性系统背景和标题修改模型权重导入和初始化。
毕业设计-基于深度学习的工作人员吸烟检测系统 YOLO python 机器学习 目标检测 人工智能 算法
2301_79555157的博客
12-08 988
毕业设计-基于深度学习的工作人员吸烟检测系统的毕业设计。随着吸烟行为对工作场所健康和安全的影响日益受到关注，开发一种自动化的吸烟检测系统变得尤为重要。本设计利用深度学习算法中的YOLOv5目标检测模型，通过对监控摄像头拍摄的实时视频流进行分析，实现对工作人员吸烟行为的实时检测和识别。通过在大量数据集上进行训练和优化，该系统能够准确地检测出吸烟行为，并及时发出预警。该系统具有实时性、准确性和可扩展性，可以广泛应用于工作场所安全管理和员工行为监控。该基于深度学习的工作人员吸烟检测系统为提升工作场所的健康和安全。
【毕业设计】深度学习YOLO抽烟行为检测 - python opencv
HUXINY的博客
08-27 8980
YOLO系列是基于深度学习的回归方法。该系列陆续诞生出YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5。YOLOv5算法，它是一种单阶段目标检测的算法，该算法可以根据落地要求灵活地通过chaneel和layer的控制因子来配置和调节模型，所以在比赛和落地中应用比较多。同时它有YOLOv5x、YOLOv5l、YOLOv5m、YOLOv5s四种模型。在pytorch环境下编写；可以很容易编译成ON⁃NX和Core ML;运行速度很快，每秒可以达到140FPS的速度；...
吸烟识别方案
whaosoft143ai的博客
09-25 1866
1.选择一个能走通的方案作为base line ,在此基础上面迭代改进算法和流程;2.修改算法backbone为你自己的方案,并且尝试不同的方案组合,以提高精度;3.改变图像推理的尺寸大小,找到一个合适的大小作为输入;4.将模型转到合适的部署方案,比如TensorRT/onnxruntime等;5.将代码精简,理顺流程,减少不必要的处理过程;6.不断调试,直到选择到合适的超参数;
抽烟检测数据集yolov5 6.2 吸烟检测
11-08
其中包含5000多张图片，以及相应的text文本标注，包括类别，和烟的坐标。内容为抽烟图片，格式对标yolov5.6.2，修正一下路径和类别即可直接执行训练。
yolov5抽烟检测数据集.rar
04-17
1、资源内容：yolov5抽烟检测数据集.rar 2、资源特点：其中包括2500章图片，以及相应的text文本标注，包括类别，和烟的坐标。分为训练集、测试集、验证集已划分好，可直接用于训练，亲测有效 3、适用对象：计算机，...
yolov8格式的抽烟检测数据集，可以用于检测抽烟行为，本资源可用于训练目标检测yolov8模型
12-14
抽烟的害处包括： 1. 增加患各类癌症的风险：吸烟是导致肺癌、喉癌、口腔癌、食管癌等多种癌症的主要原因。吸烟还会增加其他癌症（如肾脏癌、胰腺癌、膀胱癌）发生的几率。 2. 损害呼吸系统：吸烟会刺激气道，导致...
吸烟检测数据集-抽烟检测识别数据集.zip
01-05
吸烟检测数据集—抽烟检测识别数据集.zip 包括3000张已标注和2000张未标注图片。 吸烟检测数据集—抽烟检测识别数据集.zip 包括3000张已标注和2000张未标注图片。吸烟检测数据集—抽烟检测识别数据集.zip 包括...
吸烟检测数据集（目标检测）
05-29
吸烟检测数据集
YOLOv5吸烟行为检测代码+训练好的吸烟行为检测模型+5000标注好的吸烟行为检测数据集
06-04
1、YOLOV5吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的
打电话检测和抽烟检测
11-27
打电话检测和抽烟检测算法演示工具，android版本,只支持红外夜视照片，其它照片要调整算法参数
基于yolov3+tensorflow+keras实现吸烟的训练全流程及识别检测代码类
12-30
基于yolov3+tensorflow+keras实现吸烟的训练全流程及识别检测代码类 具体查看我的csdn博文
人员抽烟行为识别检测算法
燧机科技的博客
11-09 699
人员抽烟行为识别检测系统基于YOLOv7 技术方法，对画面开展7×24h无间断分析。大大提升效率，减少了人力成本。YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。除了架构优化之外，该研究提出的方法还专注于训练过程的优化，将重点放在了一些优化模块和优化方法上。这可能会增加训练成本以提高目标检测的准确性，但不会增加推理成本。
吸烟行为检测系统（Python+YOLOv5深度学习模型+清新界面）
热门推荐
思绪无限的博客
03-22 1万+
吸烟行为检测软件用于日常场景下吸烟行为监测，快速准确识别和定位吸烟位置、记录并显示检测结果，辅助公共场所吸烟安全报警等。本文详细介绍吸烟行为检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别，基于YOLOv5算法实现对图像中存在的多目标进行识别分类。博文提供了完整的Python代码和使用教程，适合新入门的朋友参考，完整代码资源文件请转至文末的下载链接。
【数据集】香烟目标检测数据集（YOLO格式标注）
weixin_46440934的博客
09-30 1066
【数据集】香烟目标检测数据集（YOLO格式标注）
吸烟行为检测
a136522541的博客
03-29 9968
@目录 项目概述 yolov5详解 优化方法 项目概述 项目的目标是设计出一个模型，用于检测普通大楼内外的行人是否存在吸烟的行为。项目硬件限制较大，需要用单个或数个GPU监控小区数百个摄像头，视频的取样频率只能达到一秒或者数秒一帧，因此基于时序的行为识别算法并不适用。经过初步考虑决定使用目标检测算法对图片中的香烟进行检测，目前精度较高且速度高部署方便的大概只有yolov5，因此本项目采取yolov5-4.0版本进行。https://github.com/ultralytics/yolov5/tree/v4.
人员抽烟行为识别检测系统 opencv+python
燧机科技的博客
12-18 1956
人员抽烟行为识别检测系统基于opencv+python深度学习架构模型，对现场人员抽烟行为实施分析监测。YOLO网络是一个以目标检测为目的而设计的网络。YOLO系列算法的基本思想是将输入图像分割为S×S个单元格， 且每个单元格生成B个边界框，由被检测目标中心点所在的单元格负责该目标的检测，并计算对应边界框的置信度。YOLO网络仅使用卷积层，属于全卷积网络。这在减少了参数变量的同时，加快了网络的运行速度。
python吸烟检测
09-08
Python是一种高级编程语言，可用于开发各种应用程序和工具。吸烟检测是指通过分析一段视频或图像来判断其中是否有人在吸烟。下面是用Python进行吸烟检测的一种可能的方法： 首先，我们需要使用Python中的图像处理库，如OpenCV，来读取和处理图像或视频帧。可以使用OpenCV中的函数来捕捉或从文件中读取视频，并将其分解为一帧一帧的图像。 接下来，我们可以使用深度学习模型来进行吸烟检测。可以使用Python中的深度学习框架，如TensorFlow或PyTorch，来构建和训练一个自定义的卷积神经网络（CNN）模型。模型的训练数据可以是包含吸烟和非吸烟样本的图像数据集。 在训练完成后，我们可以将该模型应用到各个图像或视频帧中，以判断是否存在吸烟行为。首先，我们可以使用模型对图像或视频帧进行预测，得到一个概率值。然后，我们可以设置一个阈值来决定是否判断为吸烟行为。如果概率值超过阈值，则判断为吸烟行为，否则不是。 最后，我们可以将检测结果可视化输出，例如将吸烟行为在图像或视频中框出来或者输出一个标签。 总之，使用Python进行吸烟检测可以结合图像处理和深度学习技术，通过构建和训练一个CNN模型来判断图像或视频中是否存在吸烟行为。这种方法可以应用于各种场景，如公共场所监控、身份验证等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值