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

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：

1. 可识别视频帧数高。
2. 技术成熟，有现成模型。
3. 操作简单。

吸烟行为识别：

1. 实时监测。
2. 离线监测。
3. 毕设需求。

吸烟（抽烟）目标检测痛难点：

1. 形状：烟细小，在图像中所占比例小，难捕捉。
2. 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://www.bilibili.com/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！

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。