1. 项目概述
这个基于YOLOv11的吸烟识别检测系统是我最近完成的一个计算机视觉项目，它能够实时检测监控画面中的吸烟行为。作为一名长期从事目标检测开发的工程师，我发现公共场所的吸烟行为监管一直是个难题。传统的人工监控方式不仅效率低下，而且容易遗漏。这个系统就是为了解决这个问题而设计的。
系统最核心的特点是能够同时检测五种相关目标：香烟本体、人物、烟雾、电子烟设备以及综合性的吸烟行为。这种多目标协同检测的设计大大提高了识别准确率，避免了单一目标检测容易产生的误判。在实际测试中，系统在12,000多张标注图像上训练后，对吸烟行为的识别准确率达到了92%以上。
2. 系统架构设计
2.1 技术选型考量
选择YOLOv11作为基础模型是经过多方面考虑的。相比前代YOLO版本，v11在保持实时性的同时，通过以下改进显著提升了小目标检测能力：
- 更高效的网络结构设计
- 改进的特征金字塔结构
- 优化的损失函数
这些特性对于检测香烟、烟雾等小目标特别重要。我测试过多个版本的YOLO模型，v11在保持30FPS实时性的同时，对小目标的检测准确率比v5提升了约15%。
2.2 系统模块划分
整个系统采用模块化设计，主要分为：
- 用户认证模块：处理登录注册
- 检测核心模块：基于YOLOv11的检测引擎
- 界面展示模块：PyQt5实现的GUI
- 数据存储模块：检测结果保存
这种设计使得各个功能相对独立，便于后期维护和功能扩展。比如要增加新的检测类别，只需要修改检测核心模块即可。
3. 数据集构建与处理
3.1 数据采集与标注
数据集的质量直接决定了模型性能。我们收集了12,486张包含各种吸烟场景的图像，特别注意覆盖了以下场景：
- 不同光照条件（强光、弱光、逆光）
- 不同拍摄角度
- 不同吸烟姿势
- 室内外各种环境
标注工作采用专业的标注工具，由3名标注员交叉检查确保质量。特别需要注意的是"smoking"这个行为标签的标注标准：只有当香烟或电子烟位于嘴部附近，且人物呈现吸烟姿态时才标注。
3.2 数据增强策略
为了提高模型泛化能力，训练时采用了多种数据增强：
- 随机旋转（-15°到+15°）
- 亮度/对比度调整
- 添加高斯噪声
- 随机裁剪
这些增强手段使模型对各种实际场景的适应能力提升了约30%。特别是在处理低光照条件下的烟雾检测时，数据增强的效果非常明显。
4. 模型训练与优化
4.1 训练参数设置
训练采用以下关键参数配置：
model = YOLO('yolo11s.pt') results = model.train( data='data.yaml', epochs=100, batch=8, device='0', workers=0, project='runs', name='exp' )这里有几个需要注意的点：
- batch_size设为8是基于GPU显存(12GB)的合理选择
- workers=0可以避免在某些环境下的数据加载问题
- 使用预训练的yolo11s.pt权重可以加速收敛
4.2 模型选择策略
项目提供了多种模型尺寸可选：
- yolov11n (nano)：适合嵌入式设备
- yolov11s (small)：平衡速度和精度
- yolov11m (medium)：精度优先
- yolov11l (large)：最高精度
经过测试，在RTX 3060显卡上，yolov11s可以达到32FPS的处理速度，同时保持不错的准确率，是大多数场景下的最佳选择。
5. 系统实现细节
5.1 多线程检测架构
为了实现流畅的实时检测，系统采用了多线程设计：
class DetectionThread(QThread): frame_received = pyqtSignal(np.ndarray, np.ndarray, list) def run(self): while self.running: # 检测逻辑 results = self.model(frame, conf=self.conf, iou=self.iou) self.frame_received.emit(original_frame, result_frame, detections)主线程负责UI响应，检测线程专门处理耗时的模型推理，通过信号机制进行通信。这种设计避免了界面卡顿，实测即使在处理1080p视频时，UI也能保持流畅响应。
5.2 智能参数调节
系统提供了两个重要参数的实时调节：
- 置信度阈值(conf)：控制检测结果的严格程度
- IoU阈值：控制重叠检测框的合并策略
通过滑块和数值框的双向绑定，用户可以实时观察参数变化对检测结果的影响：
def update_confidence(self, value): confidence = value / 100.0 self.confidence_spinbox.setValue(confidence) self.confidence_label.setText(f"置信度阈值: {confidence:.2f}")6. 界面设计与用户体验
6.1 双画面对比展示
界面采用左右分屏设计：
- 左侧显示原始画面
- 右侧显示检测结果
这种设计让用户可以直观对比检测效果，便于调试和验证。实现关键代码：
def display_image(self, label, image): q_img = QImage(image.data, w, h, bytes_per_line, QImage.Format_RGB888) pixmap = QPixmap.fromImage(q_img) label.setPixmap(pixmap.scaled(label.size(), Qt.KeepAspectRatio))6.2 结果可视化
检测结果以两种形式展示：
- 图像标注：在原图上绘制检测框
- 表格数据：详细列出每个检测目标的类别、置信度和位置
表格实现采用了QTableWidget，支持排序和筛选：
self.results_table.setColumnCount(4) self.results_table.setHorizontalHeaderLabels(['类别', '置信度', 'X坐标', 'Y坐标'])7. 部署与性能优化
7.1 环境配置要点
项目使用Anaconda创建独立环境：
conda create -n yolov11 python=3.9 conda activate yolov11 pip install -r requirements.txt特别注意：
- PyTorch版本要与CUDA版本匹配
- OpenCV最好使用conda安装的版本
- 安装pyqt5时建议使用pip install PyQt5
7.2 模型量化与加速
为了提升部署性能，可以采用以下优化手段：
- 模型量化：将FP32转为INT8，模型大小减少75%
- TensorRT加速：针对NVIDIA显卡优化
- ONNX导出：提高跨平台兼容性
实测经过TensorRT优化后，推理速度可以提升2-3倍，这对嵌入式部署特别重要。
8. 常见问题与解决方案
8.1 检测效果不佳
如果发现某些场景检测效果差，可以尝试：
- 调整置信度阈值（建议从0.5开始尝试）
- 增加对应场景的训练数据
- 检查标注质量，特别是行为标签
8.2 性能问题排查
遇到性能下降时，建议检查：
- GPU利用率（nvidia-smi）
- 内存占用情况
- 视频解码是否成为瓶颈
一个实用技巧是将视频解码也放到独立线程中，避免阻塞主线程。
9. 应用场景扩展
这个系统的基础架构可以轻松扩展到其他行为检测场景，比如：
- 安全帽佩戴检测
- 危险行为识别
- 异常事件监测
只需要替换训练数据和调整检测类别即可。我在另一个项目中用同样的架构实现了安全帽检测，准确率达到了95%以上。
10. 项目总结与改进方向
这个项目从构思到完成大约用了两个月时间，期间遇到了不少挑战，特别是小目标检测和行为识别方面。通过不断调整模型结构和训练策略，最终取得了不错的效果。
未来改进方向：
- 加入跟踪算法，实现跨帧行为分析
- 开发移动端版本
- 增加更多违规行为检测
在实际部署中，我发现模型的鲁棒性还有提升空间，特别是在极端光照条件下的表现。下一步计划收集更多这类场景的数据进行针对性优化。
