摘要本报告基于YOLO26目标检测算法针对监控场景下的吸烟、喝水、打电话三种行为构建了一个多类别检测系统。系统使用3157张图像进行训练350张图像进行验证包含三个目标类别吸烟smoke、喝水drink和打电话phone。通过对训练结果中的混淆矩阵、精度-召回率曲线、损失曲线等多项指标的综合分析评估模型的检测性能。结果表明模型在喝水类别上表现最佳召回率0.962打电话类别表现良好召回率0.847吸烟类别召回率相对较低0.702。总体mAP0.5达到0.837模型在高置信度阈值下具有较高的精确率对背景的误检率极低。本系统可为公共场所安全监控、 workplace合规管理等场景提供有效的技术支撑。目录摘要详细功能展示视频功能模块1、用户管理模块2、界面与交互模块3、检测源管理模块4、检测参数配置模块5、YOLO检测核心模块6、结果显示模块7、结果保存模块8、工具栏功能9、辅助功能10、数据校验模块引言背景行为检测的重要性传统监控方式的局限性计算机视觉技术的优势YOLO算法的应用价值数据集介绍数据集构成数据分布分析训练结果​Ultralytics YOLO26概述主要功能常用标注工具详细功能展示视频功能模块✅用户登录注册支持密码检测密码加密。注册登录✅图片检测可对图片进行检测返回检测框及类别信息。✅支持选择检测目标可以选择一个或者多个类目的目标进行检测✅参数实时调节置信度和IoU阈值✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅日志记录日志标签页记录操作和错误信息带时间戳✅结果保存模块支持图片/视频/摄像头检测结果保存1、用户管理模块功能描述用户注册用户名、密码、确认密码、邮箱选填注册密码SHA256加密存储用户登录用户名密码验证自动跳转主界面用户数据存储JSON文件存储用户信息密码加密、注册时间、邮箱登录状态主界面显示当前登录用户名2、界面与交互模块功能描述玻璃效果界面半透明毛玻璃背景圆角边框现代化视觉风格无边框窗口自定义标题栏支持窗口拖动、最小化、最大化、关闭响应式布局主窗口三栏布局左侧控制区、中央显示区、右侧信息区状态栏显示设备信息、模型状态、当前用户、实时时间3、检测源管理模块功能描述图片检测支持JPG/JPEG/PNG/BMP格式图片载入视频检测支持MP4/AVI/MOV/MKV格式视频载入摄像头检测实时调用摄像头默认ID 0进行检测检测源切换下拉菜单切换三种检测模式自动更新界面状态4、检测参数配置模块功能描述置信度阈值滑动条调节0-100%步长1%实时显示当前值IoU阈值滑动条调节0-100%步长1%实时显示当前值类别选择动态生成检测类别复选框支持全选/取消全选参数同步参数实时同步到检测器核心5、YOLO检测核心模块功能描述模型加载加载best.pt模型文件自动检测GPU可用性支持CPU/GPU切换多模式检测图片检测、视频检测、摄像头实时检测检测线程基于QThread的多线程处理避免界面卡顿检测结果返回目标类别、置信度、边界框坐标FPS计算实时计算处理帧率进度反馈视频处理进度条实时更新6、结果显示模块功能描述实时画面中央区域显示检测结果图像带标注框统计信息检测状态、目标数量、FPS、处理帧数实时更新检测列表右侧列表显示当前帧所有检测到的目标类别置信度日志记录日志标签页记录操作和错误信息带时间戳占位显示未选择检测源时显示系统LOGO和提示文字7、结果保存模块功能描述保存开关复选框控制是否保存检测结果路径选择自定义保存路径支持图片/视频格式自动识别自动命名保存文件自动添加时间戳detection_result_20240101_120000.jpg视频保存支持检测结果视频录制MP4格式手动保存工具栏保存按钮可随时保存当前画面保存反馈保存成功弹窗提示日志记录保存路径8、工具栏功能功能描述图片按钮快速切换到图片检测模式并打开文件选择器视频按钮快速切换到视频检测模式并打开文件选择器摄像头按钮快速切换到摄像头检测模式保存按钮手动保存当前显示画面9、辅助功能功能描述错误处理统一错误弹窗提示日志记录错误详情资源清理检测停止时自动释放摄像头、视频文件、视频写入器资源时间显示状态栏实时显示系统时间模型状态状态栏显示模型加载状态和当前设备CPU/GPU10、数据校验模块功能描述注册验证用户名长度≥3密码长度≥6密码一致性检查邮箱格式验证协议确认注册前需勾选同意用户协议文件校验模型文件存在性检查文件大小验证≥6MB输入非空登录/注册时必填项非空检查引言随着人工智能技术的快速发展基于计算机视觉的行为识别系统在公共安全、生产管理和智能监控等领域得到了广泛应用。吸烟、违规使用手机和不规范饮水等行为在特定场所如加油站、化工厂、医院、考场等可能带来严重的安全隐患或管理问题。传统的人工监控方式存在效率低、成本高、易疲劳等问题难以满足实时、准确的监管需求。目标检测技术能够自动识别图像或视频中的特定对象及其位置为行为监控提供了高效的解决方案。YOLOYou Only Look Once系列算法以其检测速度快、精度高的特点成为实时目标检测领域的代表性方法。本研究基于YOLO26框架构建了一个能够同时检测吸烟、喝水和打电话三种行为的智能监控系统通过对模型训练过程的详细分析评估其在实际场景中的可行性和优化方向。背景行为检测的重要性在众多公共场所和工作环境中特定行为的监控对于保障安全至关重要吸烟行为监控在加油站、化工厂、森林防火区、医院氧气房等禁烟场所吸烟行为是引发火灾和爆炸事故的主要隐患之一。传统的烟雾探测器只能检测火灾发生后的烟雾无法做到事前预防。通过视频监控实时检测吸烟行为可以在火灾发生前进行预警和干预大幅降低安全风险。违规饮水监控在手术室、实验室、食品加工车间等对卫生要求极高的场所随意饮水可能导致交叉污染或安全事故。此外在某些特定工作岗位如化工生产线、电子车间饮水需要在指定区域进行。自动检测饮水行为有助于维护工作场所的卫生标准和操作规范。手机使用监控在考场中手机使用可能助长作弊行为在驾驶环境中开车使用手机是导致交通事故的重要原因之一在涉密场所违规使用手机可能造成信息泄露。通过自动检测手机使用行为可以有效辅助监管减少人为疏忽。传统监控方式的局限性目前多数场所仍然依赖人工监控的方式这种方式存在以下明显不足人力成本高需要安排专人长时间盯着监控屏幕容易造成人员疲劳和注意力下降响应滞后人工监控难以做到实时发现、实时干预往往是在事后回放时才能发现问题主观性强不同监控人员的判断标准可能存在差异导致漏报、误报率较高覆盖面有限单个监控人员难以同时关注多个监控画面容易遗漏重要信息计算机视觉技术的优势基于深度学习的计算机视觉技术为行为检测提供了新的解决方案自动化程度高系统可7×24小时不间断运行无需人工持续干预检测速度快现代目标检测算法如YOLO可在毫秒级完成单帧图像的检测准确率高经过充分训练的模型可以达到甚至超过人工检测的准确率可扩展性强同一套系统可同时监控数百路视频大幅提升监控效率YOLO算法的应用价值YOLOYou Only Look Once作为一阶段目标检测算法的代表将目标检测任务转化为回归问题通过单个神经网络直接从完整图像中预测边界框和类别概率。其核心优势在于端到端训练无需复杂的候选区域生成过程简化了训练流程检测速度快适合实时视频分析场景满足监控系统的实时性要求全局信息利用在训练过程中能够看到整张图像有助于减少背景误检平衡精度与速度在保证较高检测精度的同时保持了优异的推理速度基于以上背景本研究选择YOLO26算法构建吸烟、喝水、手机使用行为的检测系统旨在为各类需要行为监控的场景提供可靠的技术支持。数据集介绍数据集构成本系统使用自行采集和标注的图像数据集包含三个类别smoke吸烟检测人手拿香烟或正在吸烟的行为drink喝水检测人手拿水杯、水瓶等容器饮水的行为phone打电话检测人手拿手机贴近耳朵或正在操作手机的行为数据集总规模为3507张图像其中训练集3157张图像约占90%验证集350张图像约占10%数据分布分析根据labels.jpg文件中的数据分析目标分布目标主要集中在图像中心区域这可能与采集时的构图习惯有关尺寸分布目标大小分布较广包含大、中、小不同尺度的目标类别平衡性三个类别的样本数量可能存在一定差异从混淆矩阵推测phone类样本较多drink类样本较少训练结果1. 整体性能评估主要指标mAP0.5mAP0.5 ≈ 0.90~0.952. 各类别检测效果分析从BoxPR_curve.png表格中类别Recall备注smoke0.702召回率偏低漏检较多drink0.962非常好phone0.847良好all0.837总体召回率不错从confusion_matrix.pngsmoke891 正确但 109 被误判为背景47 被误判为其他类 →漏检较多drink108 正确25 被误判为背景 → 少量漏检phone199 正确100 被误判为背景 →漏检严重背景几乎没有被误判为目标0 背景误检说明模型对背景抑制较好。3. 精确率-置信度曲线BoxP_curve.png各类别在低置信度下精确率较低随置信度提升精确率上升。“all classes” 在置信度 0.944 时达到精确率 1.00说明模型在高置信度下非常可靠。4. 召回率-置信度曲线BoxR_curve.png置信度越低召回率越高符合预期。在置信度 0.0 时召回率最高smoke: 0.88drink: 0.95phone: 0.82all: 0.87说明模型在低阈值下能检出大多数目标但可能会有误检。5. 损失曲线results.pngtrain/box_loss、cls_loss、dfl_loss都在下降val/box_loss、cls_loss也在下降说明没有过拟合如果 val loss 在后期上升需警惕过拟合但目前趋势良好。6. 归一化混淆矩阵confusion_matrix_normalized.pngsmoke65% 正确35% 误判为背景 → 漏检严重drink24% 正确但 26% 被误判为 phone7% 为背景 → 类别混淆phone81% 正确19% 误判为背景 → 漏检仍需改进背景0% 误检 → 很好Ultralytics YOLO26概述Ultralytics YOLO26 是 YOLO 系列实时对象检测器的最新演进从头开始专为边缘和低功耗设备而设计。它引入了简化的设计消除了不必要的复杂性同时集成了有针对性的创新以实现更快、更轻、更易于访问的部署。YOLO26 的架构遵循三个核心原则简洁性:YOLO26是一个原生的端到端模型直接生成预测结果无需非极大值抑制NMS。通过消除这一后处理步骤推理变得更快、更轻量并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创并在YOLO26中得到了进一步发展。部署效率端到端设计消除了管道的整个阶段从而大大简化了集成减少了延迟并使部署在各种环境中更加稳健。训练创新YOLO26 引入了MuSGD 优化器它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛将语言模型中的优化进展转移到计算机视觉领域。任务特定优化YOLO26 针对专业任务引入了有针对性的改进包括用于Segmentation的语义分割损失和多尺度原型模块用于高精度姿势估计的残差对数似然估计 (RLE)以及通过角度损失优化解码以解决旋转框检测中的边界问题。这些创新共同提供了一个模型系列该模型系列在小对象上实现了更高的精度提供了无缝部署并且在CPU 上的运行速度提高了 43%— 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。主要功能DFL 移除分布式焦点损失DFL模块虽然有效但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL简化了推理过程并拓宽了对边缘和低功耗设备的支持。端到端无NMS推理与依赖NMS作为独立后处理步骤的传统检测器不同YOLO26是原生端到端的。预测结果直接生成减少了延迟并使集成到生产系统更快、更轻量、更可靠。ProgLoss STAL改进的损失函数提高了检测精度在小目标识别方面有显著改进这是物联网、机器人、航空影像和其他边缘应用的关键要求。MuSGD Optimizer一种新型混合优化器结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉从而实现更稳定的训练和更快的收敛。CPU推理速度提升高达43%YOLO26专为边缘计算优化提供显著更快的CPU推理确保在没有GPU的设备上实现实时性能。实例分割增强引入语义分割损失以改善模型收敛以及升级的原型模块该模块利用多尺度信息以获得卓越的掩膜质量。精确姿势估计集​成残差对数似然估计​(RLE)以实现更精确的关键点定位并优化解码过程以提高推理速度。优化旋转框检测解码引入专门的角度损失以提高方形物体的检测精度并优化旋转框检测解码以解决边界不连续性问题。常用标注工具假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具Label Studio一个灵活的工具支持各种标注任务并包含用于管理项目和质量控制的功能。 CVAT一个强大的工具支持各种标注格式和可定制的工作流程使其适用于复杂的项目。 Labelme一个简单易用的工具可以快速标注带有多边形的图像非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具特别适合以 YOLO 格式创建边界框标注。这些开源工具经济实惠并提供一系列功能来满足不同的标注需求。界面核心代码详细功能展示视频