基于YOLOv5的抽煙檢測系統設計

收稿日期：2023-08-17

基金項目：廣西民族大學國家級大學生創新創業訓練計劃項目資助（202210608127）；廣西民族大學國家級大學生創新創業訓練計劃項目資助（202210608126）

DOI：10.19850/j.cnki.2096-4706.2024.05.026

摘" 要：針對公共禁煙場所中自動檢測識別抽煙行為的問題，提出了基于YOLOv5目標識別算法的抽煙檢測系統。該系統主要有目標識別模塊、語音播報模塊、攝像頭模塊和數據庫模塊，實驗使用Python語言在PyCharm開發平臺上對目標識別功能和數據庫模塊進行設計和編程實現，通過Arduino開發平臺連接SYN6288語音播報模塊，實現抽煙行為的智能檢測識別，對抽煙檢測研究有一定的參考意義。

關鍵詞：YOLOv5；抽煙檢測；目標識別；語音播報

中圖分類號：TP391" 文獻標識碼：A" 文章編號：2096-4706（2024）05-0120-05

Design of Smoking Detection System Based on YOLOv5

LIU Feiyan， TANG Yao， ZHAO Zhengwei

（School of Mathematics and Physics， Guangxi Minzu University， Nanning" 530006， China）

Abstract： A smoking detection system based on the YOLOv5 object recognition algorithm is proposed to address the issue of automatic detection and recognition of smoking behavior in public non-smoking places. The system mainly consists of a target recognition module， a voice broadcast module， a camera module， and a database module. The experiment uses Python language to design and program the target recognition function and database module on the PyCharm development platform， and connects to the SYN6288 voice broadcast module through Arduino development platform， so as to achieve intelligent detection and recognition of smoking behavior， which has certain reference significance for smoking detection research.

Keywords： YOLOv5; smoking detection; target recognition; voice broadcast

0" 引" 言

隨著生活水平的提高，公共健康安全越來越被重視，在公共場所的吸煙行為則是影響公眾健康的主要原因之一。醫學統計數據表明，吸煙是引發各類心肺疾病的重要原因，而對于有禁煙明確要求的場所，煙火還存在諸多引發火災的安全隱患，因此，國家出臺了相應在公共場所禁煙的政策。對于這些政策的執行，一般是靠公共場所相關工作人員巡查糾正，效率十分低下。目前隨著目標檢測技術的發展，采用目標檢測方法[1]進行實時檢測已在諸多領域取得了顯著成果[2]，而如何應用目標檢測方法對抽煙行為進行檢測的研究甚少。因此，該研究不僅可以提高抽煙行為檢測效率，節約成本，也有利于公共場所禁煙政策的執行。

1" YOLOv5 算法模型

YOLOv5 [3]是一種單級目標測試算法，與YOLOv4相比，它具有平均權重更低、學習時間更短和測試速度更快的優點。YOLOv5策略的目標是首先將輸入圖像分割成多個網格，包括識別目標并預測其位置的網格。最后，生成的預測框架與實際框架具有最高的一致性。YOLOV5模塊由四個組件組成：輸入、Backbone、Neck和Head。入口端中包含了Mo-saic數據增強功能，將全部四幅圖片隨意壓縮、隨意剪切、隨意排布。Backbone是一個特征提取單元，包括卷積計算層、C3及其SPPF架構。卷積計算層包括三個功能：卷積層、BN層和SILU激活。C3模型簡化了以前狹窄的CSP體系結構，并提高了在建模中捕獲功能的能力。SPPF體系結構取代了空間金字塔池（SPP）體系結構，后者將前后建模的效率提高了約1.5倍。NEC還引入了一種新的架構，將特征金字塔的FPN層與PAN路由網絡緊密集成，確保了傳統FPN層和向下的特征金字塔之間的交叉融合，以及獲得的所有權和位置語義數據的交叉融合。此外，還實現了主干層和檢測層之間的特點參數的整理融合，提供了關于模擬特征的更全面的信息。Head提供的是可預測的結果。

YOLOv5網絡結構可以使用FPN+PAN結構的方式，使用了大量的卷積和C3結構。卷積計算層構造中包含了一般卷積Conv、BN層構造和SiLU激活函數。C3結構是Bottle-neckCSP結構減去一個卷積層得到的。BottleneckCSP與CSP結構相似，CSP結構由Chien-yao Wang 等提出的，在denseNet特征融合結構的基礎上對載入數據進行特殊行為解析處理，目的是降低對梯度計算，進而加快模型運行的速度[4]。

2" 相關技術

2.1" Arduino

Arduino開發板設計得非常簡潔，包括一塊AVR單片機控制器、一個晶振或震蕩器還有一個5 V的直流電源，常見的開發板使用一條USB數據線連接電腦。Arduino有不同的開發板，當中最常見的是Arduino UNO，此外，還有各種小型的、迷你的、使用藍牙和Wi-Fi技術的變種研發板[5]。

其中，Arduino UNO是ArduinoUSB接口系列的最新產品版本，它的處理核心是ATMEGA328P。它含有模擬輸入、晶振時鐘、數字輸入輸出引腳、USB連接、ICSP連接器、電源插孔以及復位按鈕[6]。Arduino Uno使用配套的USB Cable A-B for Arduino數據線與計算機相連即可正常運行使用并進行信息交互。Arduino擁有配套的代碼撰寫平臺，可以利用Arduino IDE對Arduino UNO編程。在開發板上的ATmega328芯片內存儲有BootLoader程序，用戶可以使用STK500協議上傳程序到開發板[7]。Arduino UNO開發板主要技術參數如表1所示。

表1" Arduino UNO開發板硬件配置表

序號 配置名稱 主要技術參數

1 微控制器 ATMEGA328P

2 工作電壓 5V

3 輸入電壓（推薦） 7～12 V

4 輸入電壓（限制） 6～20 V

5 數字I/O引腳 14

6 PWM數字I/O引腳 6

7 模擬輸入引腳 6

8 每個I/O引腳的直流電流 20 mA

9 3.3 V引腳的直流電流 50 mA

10 閃存 32 KB（ATmega328P），

0.5 KB由引導加載程序使用

11 SRAM 2 KB（ATmega328P）

12 EEPROM 1 KB（ATmega328P）

13 時鐘速度 16 MHz

14 LED_BUILTIN 13

15 長度 68.6 mm

16 寬度 53.4 mm

17 重量 25 g

2.2" IP Camera

為了解決傳統意義上的攝像頭移動不夠靈活且需要線路聯接的問題，對于攝像頭模塊采用基于移動端APP——IP攝像頭，來代替傳統的有線接口聯接的攝像頭。IP Camera（網絡協議攝像頭）是一種安全攝像頭，它除擁有一般傳統攝像頭所擁有的圖像捕獲能力之外，機內還包含了一個高度數字化的傳感器以及基于網絡的控制系統，使得影像信息經壓縮及加密之后，能夠經由局域網，Internet以及無線網絡發送至最終使用者。IP Camera是能夠通過接入到TCP/IP的數字化互聯網上，所以這個技術最大的作用就是在聯網上面，利用網絡的一個局域網實現影像和聲音的傳送[8]。

IP Camera通過IP網絡接收視頻數據并發送視頻片段，它也被稱為網絡攝像頭或IP安防攝像頭，常被用作遠程監控和管理工具，以保護財產或監控家庭、企業或公共安全。只要通過局域網與IP攝像頭和PC端等其他設備相連，IP攝像頭可以讓從任何遠程位置監控特定區域，可以為我們的日常生活帶來很多便利。

2.3" SYN6288語音播報

基于對目標檢測成功識別事物之后的觸發模塊——語音播報模塊，對于此模塊的搭建可以直接調用筆記本電腦上的揚聲器作為輸出源，但考慮到筆記本的揚聲器是固定的靈活度不高，為此選取基于Arduino平臺所支持的Arduino UNO開發板為上位機的SYN6288語音合成模塊。SYN6288所采用的通信模式是異步串口方式，將合成的文本數據轉換為語音。

SYN6288語音合成芯片在識別文本與數字時更智能和準確，具有硬件接口簡單、低功耗和自然度好等優點，性價比很高，是一款面向中高端行業應用領域的中文語音合成芯片。其支持GB2312、GBK、BIG5和UNICODE內碼格式的文本，清晰、自然、準確的中文語音合成效果；可合成任意的中文文本，支持英文字母的合成[9]，每次合成的文本可達200字節，同時支持多種控制命令，支持6級詞語語速調整。

SYN6288語音合成模塊最小系統包括：Arduino UNO開發板、SYN6288語音合成模塊、音響。Arduino UNO開發板和SYN6288 語音合成模塊之間使用杜邦線通過UART接口進行連接，通過PC終端控制器可以利用USB接口與Arduino UNO開發板進行信息通信，從而實現對SYN6288語音播報模塊的交互，當SYN6288語音合成模塊收到指令時會將預設定的語言信息播放，產生的信息經功放增強后控制喇叭進行播放。預先需要編碼軟件將中文翻譯成文本GB2312編碼格式，并將播報語段編寫成一個函數，這部分功能代碼在Arduino IDE上撰寫，并通過Python主函數調用。

2.4" 數據庫

為了更好的存儲預警所保存的數據，選取SQL Server作為系統存儲數據庫統。針對預警時所產生的數據元素進行設置單元表實行對應存儲，包括攝像頭IP、監控地點、時間、監控視頻、識別成功的目標圖像幀等，因基于系統的開發環境是PyCharm Community Edition 2022.2.1，為此將該系統通過Python平臺的第三方庫PyMySQL庫來與數據庫相連接。

數據庫需要建立單元表來管理眾多不同地點的攝像頭，即管理管理攝像頭IP地址。同時，每一個在攝像頭IP地址管理表中的攝像頭IP信息都會生成一個相對應存儲單元表來用于保存相對于的攝像頭在監控過程中識別成功的目標幀，由于目標幀需要存入表格當中，這里需要將圖像數據轉化成二進制數據進行存儲，二進制數據長度過于龐大，故表中無法顯示完全。攝像頭IP地址及目標幀管理表如表2所示。

3" 系統設計

3.1" 系統整體框架

為了系統結構清晰，采取結構化設計，功能模塊相對獨立，沒有復雜的模塊間交互，以利于系統實現。而且YOLOv5目標檢測算法具有很強的可嵌入性，也有利于今后對系統進行功能添加、升級與維護。

根據功能需求分析，系統前端通過數據采集模塊，將采集到的數據系統的數據輸入，然后檢測識別系統進行抽煙行為的識別。識別成功，則進行語音預警，并將數據保存至數據庫；無法識別則忽略處理。系統整體框架如圖1所示。

3.2" 硬件模塊聯接

Arduino、SYN6288、IP camera和數據庫等各模塊調試運行之后，再將各模塊進行聯接整合，當處于同一IP網絡下的攝像頭通過局域網輸入數據給后端之后，后端將運算的結果反饋給各個模塊，調用數據庫存儲相應的數據做好數據管理工作，同時與下位機和前端交互信息，反饋輸出相應的功能。系統整體的硬件模塊處理流程如圖2所示。

圖2" 系統硬件模塊處理流程關系圖

其中IP攝像頭與PC端的連接是采用無線連接方式，主要是運用局域網的信號傳輸功能，目前系統所使用的是手機與電腦同屬一個熱點Wi-Fi條件下實現信號的發送與接收。PC端與下位機Arduino Uno開發板則是用USB Cable A-B for Arduino線進行連接，這種連接線比一般信號交換線的做工更精細、粗大，為信息的交互提供了有力的保障。最后，Arduino Uno開發板與SYN6288語音合成模塊的連接是采用常見的杜邦線進行連接，杜邦線的選擇要選接口感應良好長度合適的。

系統的軟件設計完整之后，需要對硬件部分進行設計組裝，根據需求分析功能模塊和經濟最優等因素，選取的硬件均為市場上常見且價格合適的，其中主要是Arduino Uno開發板和SYN6288語音合成模塊。實際連接效果如圖3所示。

4" 抽煙檢測識別實驗

4.1" 實驗條件及數據源

實驗所需的硬件材料為：Arduino Uno開發板、Win 10系統電腦、具有攝像頭的手機且安裝有APP（IP攝像頭）、SYN6288語音合成模塊。軟件工具為：Arduino IDE、PyCharm Community Edition 2022.2.1、SQL Server 2016。此外，網絡環境為電腦與手機同屬一個熱點條件。

圖3" PC端、組件間連接實物圖

為了進一步保證抽煙行為識別的準確度，制作了抽煙行為的數據集。利用正則表達式制作腳本從網上獲取1 500張吸煙的圖片，對獲取的圖片進行篩選得到1 200張，將吸煙行為用“smoking”類進行定義，用Labeling標記軟件按YOLO格式對圖像進行標簽標記，按9：1的比例分別制作成訓練集和測試集。

4.2" 實驗測試過程

為了減少訓練時間，并獲得最好的精度，首先加載預訓練權重完成訓練過程，訓練集選用的預訓練權重是YOLOv5s.pt [10]。然后，在Python上配置好CPU版的PyTorch和PaddlePaddle，開始對模型進行訓練，從train.py文件進入到用于模型訓練的主函數，根據PC機的配置和前期準備對函數進行修改，這里主要是替換部分自定義的參數，可通過調用TensorBord方法來查看模型的訓練過程。在模型訓練好之后，會在設定的保存目錄下得到一個最后一輪的權重文件和一個目前最好的權重文件，最后利用該權重文件進行目標檢測，正式使用的算法代碼在detect.py這個函數文件下。

采用此YOLOv5目標檢測算法針對不同的物品，對于抽煙行為的識別檢測情況如圖4所示，本次實驗測試使用了酒精瓶、咖啡勺、眼鏡、筆和煙進行了檢測對比，從圖中可以看出，對煙的檢測識別度是“smoking 0.85”，其他四類物品的抽煙行為的檢測度都低于0.4，從識別結果能看出，該模型對于抽煙行為的檢測識別度較高。

4.3" 實驗結果分析

本次實驗能都較好的識別出抽煙這個動作，但是由于行為的晃動會導致識別框所顯示的權重會飄忽不定，分析原因為目標識別模型在訓練的過程中因為某些原因導致目標識別的檢測度不夠精確。

圖4" 不同物品與煙的實驗對比效果圖

語音播報模塊可以做到預期效果，不過在持續檢測過程中會出現串聯通信中斷的情況，不能持續播報，后期在將繼續調整通信代碼模塊，使得通信可以暢通。

數據庫模塊可以正常的運行，存儲目標識別出的目標幀，以二進制文件保存在數據庫表中，如需調用則可以隨時查看。

5" 結" 論

文中基于YOLOv5目標識別算法的抽煙識別系統流程包括圖像的采集、圖像預處理、預警機制和利用數據庫存儲機制對抽煙行為進行管理。同時，通過IP攝像頭的使用，可以靈活的變換系統的使用地點和場所，實時對抽煙人員進行警告提醒，并將其行為保存在數據庫，該系統符合公共場所對抽煙行為的管控要求，具有較好的應用前景。

因本實驗未用GPU作為算力支持，只采用CPU進行學習，極大延長了模型權重的運算時間；目前新研制出的YOLOv8算法，對系統的發展提出了更高的要求。另外，系統與下位機的信號交互實現需要進一步的穩定，需改進算法或尋找更穩定的信號交互方式。因此，模型的應用還有較大的改進和提升空間。

參考文獻：

[1] 王辰，肖丹，池慧.《中國吸煙危害健康報告2020》概要 [J].中國循環雜志，2021，36（10）：937-952.

[2] 王夢依.基于深度學習圖像處理的吸煙行為檢測 [D].北京：北方工業大學，2020.

[3] 肖贛濤.基于深度學習的復雜場景抽煙行為檢測研究與實現 [D].成都：西南交通大學，2021.

[4] 李丹妮，欒靜，穆金慶.基于YOLOv5的香煙目標檢測算法 [J].軟件導刊，2023，22（1）：229-235.

[5] 郭文松，劉媛媛主編. 機電一體化技術 [M].北京：機械工業出版社，2017.

[6] 劉琛一，蘭依依，熊博文，等.基于家用插排溫度實時監測報警裝置的設計 [J].科學技術創新，2020（35）：177-178.

[7] 閆書豪. 半失能老人智能輔助護理裝置智能兩便系統的研究 [D].長春：長春理工大學，2021.

[8] 呂林濤.基于網絡攝像機的雙目立體視覺系統 [D].哈爾濱：哈爾濱工程大學，2019.

[9] 顧問，陳布雨，胡之惠，等.基于語音識別的家居控制器的設計與實現 [J].科技創新導報，2015，12（32）：139-142.

[10] 黃靜，張晉.基于YOLOv5的目標識別相機 [J].計算機時代，2023（1）：91-94.

作者簡介：劉飛燕（2000.12—），女，漢族，福建寧德人，本科在讀，研究方向：信息與計算科學；唐瑤（2000.09—），男，漢族，廣西荔浦人，本科在讀，研究方向：信息與計算科學；趙正偉（1980—），男，漢族，湖南益陽人，高級實驗師，碩士研究生，研究方向：物聯網技術、圖像處理。