1. 项目缘起为什么我们需要一个专门的吸烟检测数据集做计算机视觉的朋友都知道数据是模型的血肉。你想训练一个能精准识别吸烟行为的模型第一步不是去调参也不是去选什么YOLOv8、Faster R-CNN而是得先找到一批高质量、标注准确的图片。几年前当我第一次接到一个公共场所智能监控的需求其中就包含了吸烟行为自动识别时我立刻去搜了搜公开数据集。结果呢要么是通用的人体姿态数据集你得自己从海量图片里找吸烟的样本效率极低要么是某些研究论文附带的小规模私有数据根本拿不到。市面上几乎没有专门为“吸烟检测”这个任务量身打造、可直接用于训练的开源数据集。这就是我决定整理并开源这个吸烟检测数据集的初衷。它不是一个简单的图片集合而是针对“识别图片或视频中是否有人正在吸烟”这个具体任务进行了定向收集和精细标注的产物。有了它无论是学术研究还是工程落地你都能跳过最耗时、最繁琐的数据准备阶段直接进入模型选型、训练和调优的核心环节。这对于想快速验证算法效果的学生或者需要将吸烟检测功能集成到安防、智慧园区、无烟场所监控等实际项目中的开发者来说价值巨大。这个数据集的核心价值在于它的“专一性”和“实用性”。它不追求包罗万象而是聚焦于“吸烟”这一特定行为涵盖了不同场景如室内、室外、街道、办公室、不同光照条件、不同人物姿态手持香烟、正在吸食、烟雾缭绕等以及各种可能的遮挡情况。下面我们就来深入拆解这个数据集的具体构成、如何使用以及在实际项目中可能遇到的坑。2. 数据集深度解析内容、结构与标注规范一份好的数据集说明书必须清晰。你不能光给一堆图片和标签文件让人去猜怎么用。这个吸烟检测数据集我按照业界通用的标准进行了结构化组织确保任何人拿到手都能立刻明白该如何使用。2.1 数据集目录结构与文件说明下载并解压数据集后你会看到一个结构清晰的文件夹。这里我假设你下载的压缩包解压后名为Smoking_Detection_Dataset。Smoking_Detection_Dataset/ ├── images/ │ ├── train/ # 训练集图片 │ │ ├── 000001.jpg │ │ ├── 000002.jpg │ │ └── ... │ └── val/ # 验证集图片 │ ├── 000501.jpg │ ├── 000502.jpg │ └── ... ├── labels/ │ ├── train/ # 训练集标签文件与images/train一一对应 │ │ ├── 000001.txt │ │ ├── 000002.txt │ │ └── ... │ └── val/ # 验证集标签文件与images/val一一对应 │ ├── 000501.txt │ ├── 000502.txt │ └── ... ├── classes.txt # 类别名称文件 └── README.md # 数据集说明文档关键文件解读images/: 存放所有的JPEG格式图片。分为train和val两个子目录这是为了遵循机器学习中训练-验证分离的基本原则防止模型在训练数据上过拟合无法评估其真实泛化能力。labels/: 这是数据集的灵魂。里面存放的是与图片同名的.txt文本文件每个文件对应一张图片的标注信息。标注格式采用了当前目标检测领域最流行的YOLO格式。classes.txt: 一个简单的文本文件里面按行列出了数据集中所有类别的名称。对于这个吸烟检测数据集它的内容通常只有一行smoking。这表示我们只检测“吸烟”这一个类别。这种单类别设计让数据集非常纯粹也降低了初学者的使用门槛。README.md: 我强烈建议你在使用前花两分钟读一下这个文件。里面包含了数据集的版本信息、收集来源说明、标注指南的引用以及可能的重要更新日志。2.2 核心YOLO格式标签详解理解标签格式是使用任何数据集的关键。YOLO格式因其简洁和高效被广泛采用。每个.txt标签文件可能包含多行每一行代表图片中的一个目标物体在这里就是“吸烟行为”的实例。每一行的数据格式为class_id center_x center_y width height这五个值都是归一化后的浮点数范围在 [0, 1] 之间。它们不是像素坐标而是相对于图片宽度和高度的比例值。这是YOLO格式的核心设计使得模型训练不受原始图片尺寸影响。class_id: 类别索引一个整数。根据classes.txtsmoking类对应的索引是0。center_x,center_y: 边界框中心点的x坐标和y坐标。center_x 框中心点x坐标 / 图片宽度center_y 框中心点y坐标 / 图片高度。width,height: 边界框的宽度和高度。width 框的宽度 / 图片宽度height 框的高度 / 图片高度。举个例子假设有一张图片000001.jpg其尺寸为 1920x1080 像素。对应的标签文件000001.txt中有一行数据0 0.5 0.3 0.2 0.4我们来计算它在原图中的实际像素坐标类别0-smoking。中心点x坐标0.5 * 1920 960像素。中心点y坐标0.3 * 1080 324像素。框宽度0.2 * 1920 384像素。框高度0.4 * 1080 432像素。 因此这个边界框左上角坐标大约是(960 - 384/2, 324 - 432/2) (768, 108)右下角坐标大约是(768384, 108432) (1152, 540)。注意在标注时“吸烟”这个行为的边界框通常围绕两个关键元素人的手部手持香烟和嘴部区域正在吸食或吐烟。标注员会尽量用一个矩形框将这两个关键区域以及可能出现的烟雾都包含进去而不是只框住香烟本身。这更符合“行为检测”的语义也使得模型学习到的特征更具判别性。2.3 数据集的规模与质量把控这个数据集目前包含了约6000张高质量标注图片按照大约 8:2 的比例划分了训练集和验证集。这个规模对于训练一个初步可用的吸烟检测模型是足够的尤其是当你采用迁移学习Transfer Learning策略时。在数据质量上我们做了以下几层把控来源多样性图片采集自网络公开资源、部分研究论文的补充数据以及合规的模拟场景拍摄确保了场景、人物、光照的多样性。标注一致性所有图片均由经过统一培训的标注员进行标注并设置了交叉审核机制。对于“吸烟”这个行为的界定例如香烟刚点燃、正在吸、夹在手中、伴有明显烟雾等都有明确的标注规范文档。困难样本纳入我们有意保留了一部分具有挑战性的样本如侧面拍摄、部分遮挡手被挡住、小目标远处的吸烟者、以及类似物干扰如手持笔、筷子等。这些样本对于提升模型的鲁棒性至关重要。3. 从数据集到模型训练你自己的吸烟检测器拿到了数据集下一步就是让它“活”起来训练一个能用的模型。这里我以目前最流行、生态最完善的YOLOv8框架为例手把手带你走一遍流程。为什么选YOLOv8因为它平衡了速度、精度和易用性从命令行到Python API都支持得非常好社区活跃适合快速原型开发和部署。3.1 环境搭建与依赖安装首先你需要一个Python环境。强烈建议使用Anaconda或Miniconda来管理环境避免包冲突。# 1. 创建并激活一个新的虚拟环境以conda为例 conda create -n smoking_detection python3.9 conda activate smoking_detection # 2. 安装PyTorch。这是最关键的步骤务必去PyTorch官网根据你的CUDA版本选择正确的安装命令。 # 假设你的CUDA版本是11.8安装命令可能如下请以官网最新为准 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 3. 安装ultralytics库这是YOLOv8的官方库 pip install ultralytics # 4. 可选但推荐安装一些常用的工具库 pip install opencv-python matplotlib pandas踩坑提醒PyTorch与CUDA版本匹配这是新手最容易栽跟头的地方。failed to create jvm这种错误是Android Studio的但PyTorch安装错误通常是CUDA版本不匹配。一定要先通过nvidia-smi查看你的驱动支持的CUDA最高版本然后去 PyTorch官网 获取对应版本的安装命令。如果你没有NVIDIA GPU就安装CPU版本。安装后在Python里运行import torch; print(torch.__version__); print(torch.cuda.is_available())来验证是否安装成功且GPU可用。3.2 准备数据集配置文件YAML文件YOLOv8通过一个YAML配置文件来定位你的数据集。你需要创建一个文件例如smoking_dataset.yaml放在你的项目根目录下。# smoking_dataset.yaml path: /path/to/your/Smoking_Detection_Dataset # 数据集的根目录绝对路径 train: images/train # 训练集图片的相对路径相对于path val: images/val # 验证集图片的相对路径相对于path # 类别数量 nc: 1 # 类别名称列表必须和 classes.txt 里的顺序一致 names: [smoking]关键点解析path: 这里必须填写绝对路径。使用相对路径有时会因为工作目录问题导致找不到文件。一个可靠的做法是在Python脚本里用os.path.abspath()来获取绝对路径再写入YAML。nc和names: 这里nc1表示我们只有一个检测类别。names列表的顺序决定了类别索引‘smoking’对应索引0这必须和你的labels/文件夹里.txt文件中的class_id完全一致。3.3 启动模型训练一切就绪训练过程其实非常简单。YOLOv8的API设计得非常友好。你可以创建一个Python脚本train.pyfrom ultralytics import YOLO import os # 加载一个预训练模型。YOLOv8提供了不同尺寸的模型从轻量化的n到高精度的x。 # 对于吸烟检测从 yolov8s.pt (small) 开始是个好选择平衡速度和精度。 model YOLO(yolov8s.pt) # 这会自动从官网下载预训练权重 # 开始训练 results model.train( datasmoking_dataset.yaml, # 上一步创建的配置文件路径 epochs100, # 训练轮数对于小数据集可以适当增加 imgsz640, # 输入图片尺寸640是常用尺寸 batch16, # 批次大小根据你的GPU内存调整 device0, # 使用GPU 0如果是CPU则设为 cpu workers4, # 数据加载的线程数 projectruns/detect, # 训练结果保存的根目录 namesmoking_train_v1, # 本次实验的名称 exist_okTrue # 如果实验目录已存在则覆盖 )运行这个脚本训练就开始了。控制台会实时输出损失loss和评估指标如mAP0.5runs/detect/smoking_train_v1目录下会保存训练过程中的所有结果包括权重文件、训练曲线图、验证结果样本等。3.4 训练过程中的关键监控与调优训练不是设好参数就放任不管。你需要关注几个关键指标损失曲线Loss Curves: 在runs/detect/smoking_train_v1下的results.png或通过TensorBoard查看。关注train/box_loss,train/cls_loss,val/box_loss,val/cls_loss。理想情况是训练损失和验证损失都平稳下降且两者差距不大。如果验证损失很早就开始上升而训练损失持续下降这是典型的过拟合信号。性能指标Metrics: 最重要的是metrics/mAP50-95(B)即COCO标准的平均精度均值。对于吸烟检测这种单类别任务metrics/mAP50(B)即IoU阈值为0.5时的mAP更直观。这个值会随着训练轮数增加而提升最终趋于平稳。验证样本可视化: 训练过程中和结束后YOLOv8会在验证集上生成带预测框的图片。仔细查看这些图片看模型在哪里漏检False Negative、在哪里误检False Positive。例如是否把手里拿的细长物体误认为香烟是否因为人物太小或遮挡严重而漏检这些观察是下一步迭代数据集或调整模型的关键依据。常见问题与调优策略过拟合如果验证集指标上不去可能是数据量不足或模型太复杂。可以尝试增加数据增强在model.train()参数中设置augmentTrue并调整增强强度、使用更小的模型如yolov8n.pt、加入早停patience50或权重衰减。欠拟合训练集和验证集指标都很低。可能是模型能力不足或训练轮数不够。尝试使用更大的模型如yolov8m.pt或yolov8l.pt增加训练轮数或者检查数据标注质量是否有严重问题。类别不平衡在这个数据集中每张图要么有吸烟行为正样本要么没有负样本即背景。我们主要关注正样本的检测。如果发现模型对“吸烟”的召回率Recall很低可能是困难负样本类似香烟的物体太多或正样本特征不够明显。可以考虑在数据集中增加更多样化的负样本完全不包含任何吸烟相关元素的图片或者在损失函数上做文章如Focal Loss但YOLOv8内部已经集成了一些处理机制通常先从数据入手更有效。4. 模型评估、测试与部署思路训练完成后你会在runs/detect/smoking_train_v1/weights目录下找到最好的模型权重文件best.pt和最后一个轮次的权重last.pt。通常我们使用best.pt进行后续操作。4.1 模型性能评估使用训练好的模型在独立的测试集如果有的话或验证集上进行定量评估from ultralytics import YOLO # 加载训练好的最佳模型 model YOLO(runs/detect/smoking_train_v1/weights/best.pt) # 在验证集上评估模型 metrics model.val() # 默认使用训练时data配置中的验证集 print(metrics.box.map) # 打印mAP50-95 print(metrics.box.map50) # 打印mAP50model.val()会输出详细的评估表格包括精确度Precision、召回率Recall、mAP等。你需要特别关注召回率Recall。在安防监控场景下我们通常希望尽可能不漏掉真正的吸烟行为高召回率即使代价是产生一些误报精确度稍低因为误报可以由人工复核而漏检则意味着功能失效。4.2 使用模型进行预测推理用模型对新图片或视频进行预测非常简单from ultralytics import YOLO import cv2 model YOLO(runs/detect/smoking_train_v1/weights/best.pt) # 单张图片预测 results model(path/to/your/test_image.jpg, saveTrue, conf0.25) # conf为置信度阈值 # 预测结果会保存在 runs/detect/predict 目录下 # 实时摄像头预测 cap cv2.VideoCapture(0) # 0代表默认摄像头 while cap.isOpened(): ret, frame cap.read() if not ret: break # 对每一帧进行预测 results model(frame, conf0.25) # 将预测结果绘制到帧上 annotated_frame results[0].plot() cv2.imshow(Smoking Detection, annotated_frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()4.3 部署到移动端Android的考量很多朋友关心如何将训练好的模型部署到Android手机或边缘设备上。这是一个系统工程但路径是清晰的模型导出首先需要将PyTorch模型.pt转换为移动端或边缘计算框架支持的格式。最通用的中间格式是ONNX。from ultralytics import YOLO model YOLO(best.pt) model.export(formatonnx) # 这将生成一个 best.onnx 文件ONNX模型可以被TensorFlow Lite (TFLite)、NCNN、MNN等移动端推理框架读取。模型优化移动端资源有限需要对模型进行优化。包括量化Quantization将模型权重从FP3232位浮点数转换为INT88位整数可以大幅减少模型体积和提升推理速度精度损失通常可控。可以使用ONNX Runtime或TFLite的量化工具。剪枝Pruning移除模型中不重要的连接或通道得到更稀疏、更小的模型。这一步通常需要在PyTorch训练阶段或转换后使用特定工具完成。集成到Android App如果使用TFLite你可以将量化后的.tflite模型文件放入Android项目的assets文件夹。然后使用TFLite的Java API或C API进行加载和推理。你需要编写预处理将摄像头帧缩放、归一化到模型输入尺寸和后处理解析输出层得到框坐标和类别置信度的代码。Android Studio是主要的开发环境。你需要配置好NDK用于C推理或直接使用TFLite的Java依赖。一个常见的坑是输入输出张量的对齐。YOLOv8导出的ONNX/TFLite模型的输入输出节点名称和形状需要与你App中代码的预期完全匹配。务必使用netron工具一个可视化神经网络模型的网页工具打开导出的模型仔细核对输入输出节点的详细信息。性能调优在真机上测试时可能会遇到推理速度慢、发热等问题。可以尝试使用GPU委托如果设备支持、调整线程数、使用更小的输入分辨率如从640降到320但会牺牲精度等。部署是一个深度话题涉及端侧AI的整个链路。对于吸烟检测这种实时性要求较高的应用在Android上达到流畅的帧率如15-20 FPS是需要仔细优化才能实现的目标。5. 超越基准数据集的局限性与进阶优化方向虽然这个开源数据集提供了一个坚实的起点但要想让你的吸烟检测模型在真实场景中真正“扛打”你必须清楚它的局限性并知道如何改进。5.1 现有数据集的潜在不足场景覆盖有限公开数据集难免在场景多样性上有欠缺。可能缺少极端光照如夜晚红外监控画面、特殊视角如高空俯拍、或者特定场所如工厂车间、网吧包间的样本。行为定义边界模糊“吸烟”是一个连续动作。数据集标注的通常是“持有香烟并可能处于吸食状态”的关键帧。但对于“点燃”、“熄灭”、“只是夹着未吸”等过渡状态标注可能不一致或缺失。模型可能难以区分“正准备吸烟”和“刚吸完烟”。负样本的挑战数据集中明确的负样本完全无烟场景可能不够“狡猾”。现实中有大量“类烟物体”如笔、筷子、棒棒糖、手指等模型需要在海量这样的困难负样本中保持低误报率。5.2 数据增强与合成低成本提升模型鲁棒性当你无法获取大量新数据时数据增强是首选利器。除了YOLOv8内置的随机翻转、旋转、缩放、色彩抖动等可以针对吸烟检测设计特异性增强模拟烟雾使用图像处理技术在已有吸烟标注的区域附近合成半透明的、形态各异的灰色/白色烟雾纹理。这能教会模型关注“烟雾”这一重要伴随特征。遮挡模拟随机在图片上放置一些方块或自然物体如树叶、书本的贴图遮挡住手部或嘴部区域。这能提升模型在部分遮挡情况下的检测能力。多尺度训练在训练时不仅固定输入为640x640可以尝试多尺度训练让模型适应不同距离下吸烟目标的大小变化。更高级的做法是使用合成数据。利用3D建模软件如Blender生成虚拟人物吸烟的动画渲染出大量标注绝对精确、场景视角可控的图片。这对于获取真实世界中难以拍摄或标注的样本如危险区域、特定角度非常有效。3dgs公开数据集这类技术的最新进展也让高质量3D场景重建和合成变得更可行。5.3 模型层面的优化策略注意力机制在YOLO的骨干网络或检测头中引入注意力模块如CBAM、SE让模型更关注图像中与“吸烟”相关的关键区域手-嘴区域抑制背景干扰。针对小目标改进吸烟的香烟目标很小。可以借鉴YOLOv8-P2或YOLOv5-P6等模型使用更高分辨率的特征图进行检测或者在特征金字塔网络FPN设计上优化增强对小目标的特征提取能力。后处理优化调整非极大值抑制NMS的参数或者使用更先进的如Soft-NMS、DIoU-NMS来处理密集场景下可能出现的重叠框问题。5.4 构建持续迭代的数据闭环一个工业级应用的模型从来不是一蹴而就的。你需要建立“数据-模型-应用-数据”的闭环初期使用本开源数据集训练一个基线模型Baseline Model。部署测试将基线模型部署到模拟环境或小范围真实环境进行测试。收集困难样本记录所有模型判断错误漏检、误检的案例。这些是你的模型最需要学习的“教材”。标注与加入对这些困难样本进行人工标注然后将其加入到原有训练集中。重新训练用扩增后的数据集重新训练模型。如此循环你的模型就会像滚雪球一样在特定的业务场景下变得越来越强大。这个过程中数据的管理和版本化类似DVC工具显得尤为重要。最后我想分享一点个人体会。做计算机视觉项目尤其是行为识别这类任务最大的挑战往往不是模型本身而是如何定义问题、获取和打磨高质量的数据。这个吸烟检测数据集是一个很好的起点它为你省去了从零开始收集数据的巨大成本。但真正要让模型在你自己负责的场景中发挥作用你必须亲力亲为地投入到数据闭环的构建中去分析那些模型“犯傻”的案例去理解业务场景的细微差别。这个过程没有捷径但每一次对数据的深入理解都会直接体现在模型性能的提升上。希望这个数据集和这份详细的指南能成为你探索行为检测世界的一块坚实垫脚石。