基于PP-PicoDet的【PP吸烟视频分析预警系统】-人工智能-PHP中文网

基于PP-PicoDet的【PP吸烟视频分析预警系统】

P粉084495128

发布： 2025-07-22 10:14:48

原创

353人浏览过

PP吸烟视频分析预警检测系统基于PP-PicoDet模型，可检测禁烟场所吸烟行为并报警，应用场景广泛。其数据处理含解压缩、划分数据集等，环境需特定版本PaddlePaddle等。通过修改配置文件训练模型，经评估、预测后导出，还可转换为Paddle Lite模型部署于Android，mAP达85.92%，速度快且轻量。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

基于pp-picodet的【pp吸烟视频分析预警系统】 - php中文网

一、PP吸烟视频分析预警检测系统

基于PP-PicoDet的【PP吸烟视频分析预警系统】 - php中文网

1.功能介绍

PP视频分析预警系统【吸烟检测】，区域内一旦检测到人员吸烟，系统立即触发报警，提醒管理人员处理。有效提高监管效率，减少安全隐患。广泛应用于仓库、公园、加油站、厨房、森林、商场等一系列禁烟场所、防火防爆场所。

基于PP-PicoDet的【PP吸烟视频分析预警系统】 - php中文网

2.项目背景

吸烟有害健康，而吸烟带来的安全隐患更是为公众的日常生活环境带来了巨大的威胁。据报道，全国每年的火灾中有10％以上是吸烟引发的。据上海、北京、江苏等省市统计，抽烟不慎引起的火灾占10—20％，在各种火灾原因中居第3位。传统的控烟技术手段主要以烟雾传感器为主，当传感器检测到烟雾时产生报警。但是管理人员无法对其高效的管理，不能及时取证，无法追溯，没有形成一个有效的闭环，导致控烟效果不佳，并且还会出现漏报、误报。

基于PP-PicoDet的【PP吸烟视频分析预警系统】 - php中文网

3.吸烟监测

PP视频分析预警系统【吸烟检测】基于飞桨自研的轻量级系列模型PP-PicoDet，对人吸烟的主要活动结合对烟的识别，对监控区域内的人员抽烟行为进行分析，当发现异常情况系统即刻报警，提醒管理人员及时处理，接入广播系统前端可喊话提醒，真正做到事前预警、事中常态检测、事后规范管理。

4.应用场景

PP视频分析预警系统【吸烟检测】广泛应用于仓库、公园、加油站、厨房、森林、商场、地铁站以及消防楼道等一系列禁烟场所、防火防爆场所

基于PP-PicoDet的【PP吸烟视频分析预警系统】 - php中文网

卡拉OK视频制作

卡拉OK视频制作，在几分钟内制作出你的卡拉OK视频

178

查看详情

烟头虽小，祸患无穷。PP视频分析预警系统【吸烟检测】能有效提高监管效率，减少安全隐患。可广泛部署于边缘设备上，经济、稳定、实用。

二、数据处理

1.解压缩数据

In [1]

# 解压缩数据!unzip -qoa data/data94796/pp_smoke.zip

登录后复制

2.按比例划分数据集

ratio比例系数

In [2]

import randomimport os#生成train.txt和val.txtrandom.seed(2020)
xml_dir  = '/home/aistudio/Annotations'#标签文件地址img_dir = '/home/aistudio/images'#图像文件地址path_list = list()for img in os.listdir(img_dir):
    img_path = os.path.join(img_dir,img)
    xml_path = os.path.join(xml_dir,img.replace('jpg', 'xml'))
    path_list.append((img_path, xml_path))
random.shuffle(path_list)
ratio = 0.9train_f = open('/home/aistudio/work/train.txt','w') #生成训练文件val_f = open('/home/aistudio/work/val.txt' ,'w')#生成验证文件for i ,content in enumerate(path_list):
    img, xml = content
    text = img + ' ' + xml + '\n'
    if i < len(path_list) * ratio:
        train_f.write(text)    else:
        val_f.write(text)
train_f.close()
val_f.close()#生成标签文档label = ['smoke']#设置你想检测的类别with open('/home/aistudio/work/label_list.txt', 'w') as f:    for text in label:
        f.write(text+'\n')

登录后复制

3.数据查看

源数据格式为VOC格式，存储格式如下：

dataset/
    ├── Annotations
    │   ├── xxx1.xml
    │   ├── xxx2.xml
    │   ├── xxx3.xml
    │   |   ...
    ├── Images
    │   ├── xxx1.jpg
    │   ├── xxx2.jpg
    │   ├── xxx3.jpg
    │   |   ...
├── label_list.txt (必须提供)
├── train.txt (训练数据集文件列表, ./Images/xxx1.jpg ./Annotations/xxx1.xml)
├── valid.txt (测试数据集文件列表)

登录后复制