基于YOLOv5的实时吸烟行为检测算法优化实践

1. 项目背景与核心需求

抽烟行为检测是计算机视觉在公共安全领域的重要应用场景。传统监控系统依赖人工值守，存在效率低、漏检率高的问题。我们团队基于YOLOv5架构实现的这套算法，能够在实时视频流中准确识别吸烟动作，识别率达到92.3%，比传统方法提升近30个百分点。

这个毕设项目的独特价值在于：

• 采用改进的Anchor Box设计策略，专门优化了香烟、手持动作等小目标检测
• 引入注意力机制增强嘴部区域特征提取
• 提供完整的PyTorch训练框架和ONNX推理部署方案
• 包含5000+标注样本的自建数据集

2. 技术方案选型解析

2.1 为什么选择YOLOv5

相比Faster R-CNN等两阶段检测器，YOLOv5的单阶段检测架构具有明显优势：

• 推理速度达到140FPS（RTX 3060）
• 模型尺寸最小仅1.8MB（YOLOv5n）
• 内置AutoAugment数据增强策略
• 支持TensorRT加速部署

我们测试了不同版本的性能表现：

最终选择v5m作为基础模型，在精度和速度间取得平衡。

2.2 关键改进点

1. 注意力模块增强：

python复制class CBAM(nn.Module):
    def __init__(self, c1):
        super().__init__()
        self.channel_attention = nn.Sequential(
            nn.AdaptiveAvgPool2d(1),
            nn.Conv2d(c1, c1//8, 1),
            nn.ReLU(),
            nn.Conv2d(c1//8, c1, 1),
            nn.Sigmoid()
        )
        self.spatial_attention = nn.Sequential(
            nn.Conv2d(2, 1, 7, padding=3),
            nn.Sigmoid()
        )

在Backbone末端添加该模块，使香烟检测AP提升4.2%

2. 自适应Anchor设计：
   采用K-means++算法对自建数据集重新聚类，得到更适合小目标检测的Anchor比例：

code复制anchors:
  - [4,8,  8,16,  12,24]  # P3/8
  - [16,32,  32,64,  48,96]  # P4/16
  - [64,128,  128,256,  192,384]  # P5/32

3. 数据集构建与训练

3.1 数据采集规范

我们构建了包含三种场景的数据集：

• 室内监控视角（占比60%）
• 室外公共场所（30%）
• 特殊角度（俯视/仰视10%）

标注规范要求：

1. 香烟目标必须标注完整可见部分
2. 手部与嘴部距离小于15像素时需标注为"吸烟中"
3. 遮挡超过50%的样本需标记为difficult

3.2 数据增强策略

在YOLOv5默认增强基础上新增：

yaml复制augmentations:
  - name: SmokeSimulation
    prob: 0.3
    params:
      max_alpha: 0.7
  - name: HandOcclusion  
    prob: 0.2
    params:
      max_occlusion: 0.4

4. 模型部署实战

4.1 训练关键参数

bash复制python train.py --img 640 --batch 32 --epochs 300 --data smoking.yaml \
--cfg models/yolov5m-smoke.yaml --weights yolov5m.pt \
--hyp data/hyps/hyp.scratch-smoke.yaml

重点调整的超参数：

• 初始学习率设为0.01（默认0.1的1/10）
• 采用Cosine退火策略
• 增加mosaic概率到0.8

4.2 部署优化技巧

1. TensorRT加速：

python复制# 转换ONNX模型
torch.onnx.export(model, im, "smoke_detect.onnx", 
                  input_names=["images"],
                  output_names=["output"],
                  dynamic_axes={"images": {0: "batch"}, 
                              "output": {0: "batch"}})

# 转换为TensorRT
trt_cmd = f"trtexec --onnx=smoke_detect.onnx --saveEngine=smoke_detect.engine \
          --fp16 --workspace=2048"

2. 边缘设备优化：

• 使用NVIDIA TAO Toolkit进行模型修剪
• 采用INT8量化后模型大小减少75%
• 在Jetson Nano上实现25FPS实时检测

5. 常见问题解决方案

5.1 误检问题处理

高频误检场景及对策：

5.2 模型收敛问题

当出现loss震荡时建议：

1. 检查标注一致性（尤其遮挡样本）
2. 调整学习率衰减策略
3. 尝试Label Smoothing技术
4. 增加梯度裁剪阈值

6. 项目扩展方向

1. 多模态融合：

• 结合红外传感器检测香烟热度
• 增加音频模块识别打火机声音
• 使用姿态估计判断吸烟动作连续性

2. 业务系统集成：

mermaid复制graph TD
    A[摄像头] --> B(行为检测)
    B --> C{吸烟判断}
    C -->|是| D[告警记录]
    C -->|否| E[常规监控]
    D --> F[管理平台]

3. 模型轻量化：

• 知识蒸馏训练小模型
• 尝试YOLOv6/v7新架构
• 开发专用NPU加速方案

实际部署中发现，在光线变化剧烈的场景中，建议将输入图像从RGB转为HSV色彩空间进行处理，可提升约15%的鲁棒性。模型对侧面角度的检测效果仍需优化，这是我们下一步重点改进方向。