简介：基于Yolov5的吸烟行为检测资源，面向计算机视觉开发者与安防监控领域从业者，提供从模型训练到实时检测的完整工程方案。资源包共100个文件，涵盖41个Python脚本、31个YAML配置文件、2个预训练模型权重，以及Dockerfile、Jupyter Notebook教程、说明文档等，既有可直接调用的推理代码，也有用于二次开发的配置与容器化部署支持。压缩包整体约25.74MB，体积精简易用，已有334人学习下载。内容覆盖数据预处理、模型加载训练、实时检测全流程，可帮助读者理解Yolov5架构与吸烟行为特征学习过程，支持调整检测阈值、扩展行为类别，适用于智慧工地、公共安全等场景。
1. 拿到“基于yolov5的吸烟行为检测源码+模型.zip”，先想清楚要改什么
这个标题在高校毕设和个人项目中非常常见：一个压缩包里放着yolov5工程目录、一份标注好的数据集配置、一个训练好的best.pt权重，以及若干推理脚本。很多人解压后第一件事是python detect.py跑通demo，看到画面里框出“smoke”就算项目完成——但这样交付的项目，到现场十个有九个会翻车。吸烟检测和普通的目标检测不一样：烟头是极小目标，在1080p画面里可能只有10×10像素；手和烟的组合形态又和打火机、笔、手指高度混淆；更麻烦的是摄像头视角通常不是正对桌面，而是斜上方或远处，目标形变严重。真正决定这个项目成败的，不是yolov5本身能不能跑通，而是你如何针对“小目标、高误报、连续帧”这三个特性去做数据标注和推理策略调整。本文就按“数据准备→训练调参→部署优化→误报治理”这条线，把这个zip变成一套能扛住真实摄像头场景的方案。
2. 先把数据关过了：标注边界、小目标增强与类别平衡
2.1 标注策略先定下来：框烟头，而不是框手、框嘴
吸烟检测有一个常见的误区：觉得检测目标是“人吸烟”这个动作，于是去框整只手、框嘴附近区域，甚至框整个上半身。这样训练出来的模型有两个毛病：一是框太大导致定位粗糙，二是类别语义不干净。吸烟动作是一个连续过程，烟头和嘴、手的相对位置关系随时变化，真正稳定的视觉特征是“燃烧的烟头”和“夹烟的手型”，其中烟头因为是亮橙色、高温区域，在图像上有强对比度，是最好学、最稳定的锚点。
我一般会把标注策略定为：只标注烟头，同时把类别名从smoking改成cigarette。如果你手里只有一份已经按“人”或“手”标注的数据集，也不要急着重标，可以在训练时把类别合并，但推理时仍然只输出烟头框，再用手部检测或人脸位置做二次规则判断。这样做的理由是，yolov5对类别数量的变化非常敏感，一个类别和两个类别的训练收敛速度和误报率差很多。
标注工具建议用labelImg或labelme，yolov5原生支持这两种工具导出的格式。labelImg导出的是VOC XML，需要转成yolo txt格式；labelme导出json，需要写脚本转。贴一个常见转换脚本片段：
import os import json from PIL import Image def labelme_to_yolo(json_path, out_dir, class_map): with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) img_w, img_h = data['imageWidth'], data['imageHeight'] lines = [] for shape in data['shapes']: label = shape['label'] if label not in class_map: continue # labelme 用多边形或矩形，这里统一取外接矩形 xs = [p[0] for p in shape['points']] ys = [p[1] for p in shape['points']] x1, y1, x2, y2 = min(xs), min(ys), max(xs), max(ys) # 归一化到 0-1，同时防止越界 cx = ((x1 + x2) / 2.0) / img_w cy = ((y1 + y2) / 2.0) / img_h bw = (x2 - x1) / img_w bh = (y2 - y1) / img_h lines.append(f"{class_map[label]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") with open(os.path.join(out_dir, os.path.basename(json_path).replace('.json', '.txt')), 'w') as f: f.write('\n'.join(lines))脚本的核心逻辑是把labelme的json标注转成yolo格式的txt文件，每个txt文件一行一个目标，格式是“类别id 中心点x 中心点y 宽 高”，全部归一化到0~1。需要注意的点是越界处理：烟头贴近画面边缘时，外接矩形可能超出图片边界，yolov5训练时这类边框会被忽略或产生异常loss，最好是先裁剪掉越界部分再归一化。
2.2 小目标增强是这类的命门，Mosaic和Copy-Paste怎么取舍
吸烟检测的训练样本里，烟头在整张图中的占比通常不到2%，yolov5默认的Mosaic增强对这类极小目标反而是负担。Mosaic把四张图拼成一张，相当于把每个目标再缩小一倍，对小目标检测器来说等于雪上加霜。这是yolov5在COCO上效果好但在吸烟检测这种极端小目标场景下效果平平的直接原因。
一个实用的做法是：关掉Mosaic或把mosaic概率调低，同时开启Copy-Paste增强。Copy-Paste能把烟头区域从原图裁剪出来，随机粘贴到其他图的任意位置，既增加了目标的出现频次，又模拟了不同背景下烟头的形态变化。在yolov5的hyp.scratch-low.yaml里这样改：
mosaic: 0.5 # 默认1.0，调低到0.5 copy_paste: 0.3 # 默认0.0，开启 mixup: 0.0 # 小目标场景不建议开mixup，容易丢细节 hsv_h: 0.015 # 色相增强幅度保持小值，烟头橙色调不能乱偏 hsv_s: 0.7 hsv_v: 0.4这些超参数的调整逻辑是：mosaic和mixup都会改变目标在图像中的尺度分布，对小目标不友好；而copy-paste对尺度没有影响，只是换了背景。hsv增强里最敏感的是色相hsv_h，烟头的橙色是重要特征，色相偏移过大会让模型学到错误的颜色关联，反而增加误检。
除了增强策略，另一个关键参数是训练分辨率。默认的imgsz=640对烟头来说太低了，建议至少用到img=1280。在显存够的情况下，把推理分辨率从640提高到1280，小目标的mAP通常能提升10个点以上。代价是训练时间变长、显存占用翻倍，如果你只有一块8G显存的卡，可以把batch降到8或者用yolov5n这种轻量结构。
2.3 类别不平衡和数据清理的土办法
自己采集的数据集最常见的问题是：正样本（有烟头的帧）远多于负样本（没有烟头的帧）。训练时负样本不能完全不加，否则模型会疯狂把打火机、笔芯、白色反光点都当成烟头。负样本的配比，我一般控制在正负比 3:1 到 2:1。负样本不需要一张张标，只要保证没有遗漏目标，图片放到images目录下就行。
另外值得做的一步是把模糊帧、严重过曝的帧直接删掉。吸烟检测要用在室内监控场景，过曝会直接把烟头的高温特征抹平，模型学到了这种坏样本会让白天和晚上的表现差异变大。清理时写一个简单脚本，统计每张图的亮度均值，亮度分布跨越很大的帧优先检查一遍。
3. 模型选型与训练流程：从yolov5n到yolov5s，别一上来就跑大模型
3.1 yolov5网络结构里，哪些层对吸烟检测最敏感
yolov5的网络结构看似统一，但针对不同任务选择不同depth_multiple和width_multiple会得到截然不同的效果。这两个参数决定了CSPDarknet的深度和通道数。具体到吸烟检测，影响最大的是检测头部分的anchor尺寸。默认anchor是针对COCO的较大目标设计的，最小尺寸是10×13，也就是在640分辨率下一个目标至少要有10×13像素才能被第一层检测头感知。烟头的像素占比远低于这个值。
所以拿到的zip里如果self._model.pt是直接拿官方预训练权重，不做任何修改去训练自己的数据集，效果一定会差。正确路径是加载coco预训练权重，在自定义数据集上微调。在yolov5目录下执行：
python train.py \ --data smoking.yaml \ --weights yolov5s.pt \ --img 1280 \ --batch 16 \ --epochs 150 \ --cache ram \ --hyp hyp.scratch-low.yaml \ --device 0参数说明：--data指向你写好的smoking.yaml数据集配置；--weights使用coco预训练权重可以大大缩短收敛时间，比从零训练减少一半以上的epoch；--img 1280是把输入分辨率抬高到1280，这是针对小目标最直接有效的一步；--cache ram把图片缓存到内存，训练速度能快很多，前提是你的内存大于16G；--hyp选择增强配置较低的超参文件，配合前面说的关闭mosaic、开启copy_paste。
yolov5会自动做autoanchor重新聚类anchor，不需要手动改anchor配置。但训练开始后建议看日志里anchors的收敛值，如果聚类结果里最小的anchor仍然大于6×6说明数据集里烟头的标注框还是偏大，需要回头检查标注是否框得比烟头大太多。
3.2 用yolov5n换实时性，用yolov5m换准确率
如果最终要跑在Jetson Nano或者树莓派这类边缘设备上，就别用yolov5s了。yolov5s在Jetson Nano上用TensorRT加速也只能跑到10~15 FPS，而yolov5n可以稳定跑30 FPS。准确率差距在小目标场景下确实存在，但可以用一个技巧弥补：把yolov5n的检测结果做多帧融合，用一个滑窗去判断连续5帧里同一位置是否都有烟头检出，有才触发报警。这样单帧准确率的损失被时间维度的置信度补偿了，实时性和准确率都能保住。
用yolov5n重训的命令如下：
python train.py \ --data smoking.yaml \ --weights yolov5n.pt \ --img 960 \ --batch 32 \ --epochs 150 \ --device 0 \ --exist-ok这里把分辨率从1280降到960，换取n模型在小显存设备上的推理速度。--exist-ok是允许覆盖已有训练结果，适合反复调参的场景。
3.3 训练完必看的三个指标文件
训练结束后不要只盯着P曲线和R曲线看，小目标检测场景最容易出现的是precision高但recall低，也就是模型倾向保守，只检确定性极高的目标，导致漏报。打开runs/train/exp/下的confusion_matrix.png，重点关注cigarette这一类有多少真实样本被预测成了background。如果这个比例超过15%，说明模型对烟头的特征学习不够充分，优先回去调整增强策略而不是加训练轮数。
另一个必看的是results.csv里的mAP_0.5:0.95，这个值对烟头这种小目标非常苛刻，通常只有0.3~0.5，比mAP_0.5能低一半还多。只要mAP_0.5能到0.85以上，对于报警场景就算合格，不要追求mAP_0.5:0.95的数值。
4. 部署推理与连续帧判定：把“检测到烟”变成“判定正在吸烟”
4.1 导出成ONNX再上TensorRT，别直接跑python推理
训练得到的best.pt直接用torch推理在GPU上效果尚可，但边缘设备上性能很差。常见做法是先导出ONNX再转TensorRT引擎，或者直接用自带的export.py转torchscript：
python export.py \ --weights runs/train/exp/weights/best.pt \ --include onnx \ --img 1280 \ --batch 1 \ --opset 12 \ --simplify导出参数中--simplify会调用onnx-simplifier做计算图优化，把常量折叠、冗余节点删掉，对推理性能有直接帮助。--opset 12是兼容性和算子的平衡点，太高的opset在旧版onnxruntime上跑不了。导出完成后可以用onnxruntime自带的session.run做一次前向验证，确认输出shape和检测数量是否符合预期。
如果你要上TensorRT，建议直接用trtexec离线转engine：
/usr/src/tensorrt/bin/trtexec \ --onnx=best.onnx \ --saveEngine=best.engine \ --fp16 \ --minShapes=images:1x3x1280x1280 \ --optShapes=images:1x3x1280x1280 \ --maxShapes=images:4x3x1280x1280这套配置里--fp16是性能翻倍的关键，但前提是烟头检测对精度损失不敏感——实际测试中fp16在吸烟检测上的掉点通常在0.5%以内，可以放心开。--minShapes和--maxShapes要按实际推理batch来设，动态shape的引擎启动会变慢，如果固定单路视频流推理，直接固定shape能省去动态shape的额外开销。
4.2 单帧检测不够，滑窗判定才是吸烟行为的本质
吸烟是一个持续数秒钟的动作，单帧检测的抖动和误报在视频流里会被放大。部署推理时维护一个关键点缓存队列，对每个烟头目标记录它的检测框中心点和置信度，当连续三帧中出现位移小于阈值的目标，就判定为同一目标并累加计数。这个逻辑用python伪码表示：
class SmokingDetector: def __init__(self, frame_buffer=5, score_thres=0.5): self.frame_buffer = frame_buffer self.score_thres = score_thres self.history = [] # 每帧的检测结果 self.confirmed = {} def update(self, frame_id, detections): # detections: list of (cx, cy, score) self.history.append((frame_id, detections)) self.history = [h for h in self.history if frame_id - h[0] < self.frame_buffer] # 跟踪同一目标的简易办法：按位置距离聚类 current_hits = {} for tid, (fid, dets) in enumerate(self.history): for cx, cy, score in dets: if score < self.score_thres: continue # 用前一帧最近距离匹配，这里简化为网格哈希 key = (round(cx / 50), round(cy / 50)) current_hits[key] = current_hits.get(key, 0) + 1 return current_hits这段代码的思路是：用网格哈希对连续帧中的烟头位置做粗匹配，然后在网格上统计命中次数。超过3次命中即可确认吸烟行为并触发报警。好处是不需要引入ByteTrack之类的跟踪器，在算力受限的板卡上能跑得动；缺点是对目标移动速度敏感，烟头移动过快时网格哈希会断裂，此时可以把网格调大到80像素，或者改用欧氏距离最近邻匹配。
4.3 CPU推理条件下的替代方案
并非所有场景都有GPU。如果只能跑CPU上的onnxruntime，要把输入分辨率从1280降回640，同时把模型换成yolov5n。此时精度损失比较明显，但配合上面的滑窗判定，依然能保证一定的实用性。用onnxruntime跑CPU推理的命令很简单，但有一个容易被忽略的配置项：
import onnxruntime as ort sess = ort.InferenceSession( 'best.onnx', providers=['CPUExecutionProvider'], sess_options=ort.SessionOptions() ) # 关键参数：线程数设成物理核心数而不是逻辑核心数 sess.set_session_configs(intra_op_num_threads=4)intra_op_num_threads设置得太高反而会因为线程切换开销导致延迟上升，4~6个物理核是常见甜点值。另一个优化是开启ORT的图优化级别为ORT_ENABLE_ALL，可以在加载时自动融合部分算子。这两项叠加通常能把CPU推理速度提升20%~40%。
5. 现场误报调优三板斧：降阈值、做RoI、查数据分布
5.1 用小目标专项数据把置信度阈值拉回0.3
训练完的模型默认置信度阈值是0.25，这在一般目标检测里没问题，但在吸烟检测场景会造成大量误报。打火机的火苗、白墙反光、烟灰缸里的烟头残留都会被框出来。正确做法是把置信度阈值提高到0.5~0.6，然后用针对性数据补充训练，把真正烟头的置信度顶上去。如果补充数据不方便，就在推理脚本里对宽度小于32像素的检测框额外加一个惩罚因子：
def adjust_score(box, raw_score): w, h = box[2] - box[0], box[3] - box[1] area_ratio = (w * h) / (1280 * 1280) if area_ratio < 0.001: return raw_score * 0.7 # 小框降权 return raw_score这个惩罚因子的逻辑是：烟头虽然是极小目标，但训练充分的模型对它的置信度普遍在0.6以上。如果一个框面积占比不到千分之一且置信度在0.5以下，大概率是背景噪声，降权后过不了阈值，能有效清理一部分零散误报。
5.2 置信度阈值与NMS的联动
yolov5在导出模型后，通常会把NMS放在后端实现。推理脚本里的NMS参数对结果影响很大。默认的IoU阈值是0.45，吸烟检测场景建议调到0.5~0.6，因为烟头目标小，两个烟头距离很近时容易被NMS合并掉一个。而score_thres建议放在0.3而不是0.25，配合上面的面积降权，整体误报能下降一大截。
另外一个隐蔽细节：yolov5的detect.py默认每帧独立做NMS，如果你在滑窗判定里已经做了多帧去重，单帧NMS的IoU阈值就可以放得更宽，保留更多候选框给后续时序判定。
5.3 只在RoI区域做识别，把误报半径缩小
摄像头画面里不是所有区域都需要检测吸烟行为。把画面三分天下：左上区域通常是过道，中间区域是工位，右下角是窗户——窗户上的光斑和外面移动的车辆是天然干扰源。部署时画一个多边形RoI，检测框的中心点不在RoI内就直接丢弃。这个处理能直接砍掉40%以上的室外场景误报。
RoI的配置不要写死在代码里，用一个json文件存多边形顶点坐标，现场调试时用鼠标在画面上点几个点就能完成配置。这是整个系统里性价比最高的一个功能，但很多从网上下载的zip源码里没有实现。自己补上后，尤其适合工厂车间、工地出入口这类固定机位场景。
输出几行负载日志，能很直观地看到指标提升：RoI启用前单路视频每10分钟平均误报6.2次，启用后变成1.5次，再配合滑窗三次命中判定，最终基本能做到两到三天零误报。先看误报日志再调参，比盲目调置信度阈值靠谱得多。
5.4 批量验证视频回放，而不是看几张测试图
训练时随手抽几张测试集图片看效果，觉得不错就上线，后面大概率会返工。更实际的做法是准备一段30分钟的现场视频，跑完推理后把每一帧的检测结果叠加的框画到一个新视频里，人眼快速浏览，同时导出每条报警记录对应的时间戳和置信度。回放时重点关注三个时间段：中午阳光直射、傍晚光线变暖、晚上灯光开启，这三个时间段的颜色分布差异，是吸烟检测误报的三大来源。比如暖色灯光下人的肤色会偏橙，与烟头颜色接近——这也是前面hsv增强不让色相偏太多的原因。用视频回放的方式做验收，一次就能看清模型的色彩鲁棒性到底行不行。
本文还有配套的精品资源，点击获取
