项目成员：朱佶益武昕玥
指导老师：申燕萍
项目介绍：
基于 YOLO 的抽烟行为检测系统，聚焦公共场所健康安全管理痛点，依托深度学习技术构建全自动、高精度的抽烟行为识别与监测体系，致力于填补传统人工巡检效率低、漏检率高的短板。项目经过多轮算法选型对比，最终确定以 YOLOv5 作为核心检测算法 —— 相较于其他目标检测模型，YOLOv5 在保证检测精度的同时，能实现每秒 30 帧以上的实时推理，完美适配公共场所监控视频的动态检测需求，采用迁移学习与数据增强技术（如随机裁剪、翻转、亮度调节），有效提升模型对复杂环境的鲁棒性，可精准识别手持香烟、点火、吸烟等典型动作。
系统不仅具备强大的检测能力，还兼顾实用性与用户体验：设计简洁直观的 UI 界面，支持三种检测模式切换 —— 本地图片上传检测（单张 / 批量）、监控视频文件解析（支持 MP4、AVI 等主流格式）、实时摄像头接入检测（兼容 USB 摄像头与网络监控设备）。
