Advertisement

电话检测与吸烟检测

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本项目致力于研发能够同时进行电话使用习惯分析及监测个体吸烟行为的智能系统，旨在促进健康生活方式。 打电话检测和抽烟检测算法演示工具的Android版本仅支持红外夜视照片，其他类型的照片需要调整算法参数。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 电话检测与吸烟检测
    优质
    本项目致力于研发能够同时进行电话使用习惯分析及监测个体吸烟行为的智能系统，旨在促进健康生活方式。 打电话检测和抽烟检测算法演示工具的Android版本仅支持红外夜视照片，其他类型的照片需要调整算法参数。
     
  • 电话吸烟目标检测数据集
    优质
    本数据集专注于电话使用场景下的吸烟行为识别，通过收集和标注大量图像与视频数据，为开发高效的目标检测算法提供支持。 我们提供一个包含1559张图片的YOLO格式标注数据集，可以直接用于训练YOLO系列模型。 标注示例： 1 0.7974683544303798 0.5 0.16455696202531644 0.2777777777777778 说明：第一个数字“1”代表类别，后面的四个数值表示边界框的坐标（x1, y1, x2, y2）。
     
  • 抽烟检测数据集YOLOv5 6.2版本吸烟检测
    优质
    本数据集为优化YOLOv5 6.2版设计，专门用于提升模型在识别和监测吸烟行为方面的准确性和效率。 该数据集包含5000多张图片及其对应的文本标注，包括类别标签以及烟的坐标位置。这些内容均为抽烟场景的照片，并且格式与yolov5.6.2兼容，只需修正路径和类别信息即可直接用于训练。
     
  • 烟雾检测数据集YOLOv5吸烟识别
    优质
    本数据集运用YOLOv5算法进行训练与测试，专注于烟雾及吸烟行为的智能检测，旨在提升公共空间的安全监控水平。 包含4104张训练图片、375张验证图片以及371张测试图片，并附有相应的文本标注文件，包括类别及烟的坐标。这些内容均为抽烟场景的照片，格式与yolov5兼容，只需调整路径和类别即可直接用于训练。
     
  • 抽烟检测，通话时检测，打哈欠检测，偏头和低头检测，眨眼及闭眼检测
    优质
    这款软件能够智能检测吸烟行为、通话状态以及疲劳迹象（如打哈欠、头部姿势异常、眨眼频率），确保安全与专注。 抽烟检测要求被测者真的在抽烟（烟需点燃）。此外还有打电话检测、打哈欠检测、闭眼和眨眼检测以及左右偏头的检测。
     
  • 抽烟检测数据集-吸烟识别数据集.zip
    优质
    该数据集包含大量标记的图像和视频片段，用于训练机器学习模型以检测和识别吸烟行为。非常适合相关研究和开发使用。 吸烟检测数据集—抽烟检测识别数据集.zip 包含3000张已标注图片及2000张未标注图片。
     
  • 高分辨率的吸烟检测数据集
    优质
    本数据集提供了高分辨率的吸烟行为记录，旨在为研究和开发吸烟检测技术提供详实的数据支持。 该数据集包含2600张高分辨率的吸烟检测图片，并已进行标记及数据清洗。
     
  • 危险驾驶行为检测：运用SSD目标检测算法识别闭眼、开口及吸烟打电话等行为
    优质
    本项目采用SSD目标检测算法，旨在实时监测驾驶员是否存在闭眼、张口以及吸烟、接电话等潜在危险行为，以提高行车安全。 运行环境：1. Python 3.7.4 2. Pytorch 1.4.0 3. python-opencv 预训练的权重文件为 vgg_16，具体的配置请参考 Config.py 文件。 训练代码执行方式： - 训练时使用命令 `python Train.py` - 单张图片测试使用命令 `python Test.py` 目前进度如下： 1. PERCLOS计算完成 2. 眨眼频率计算完成 3. 打哈欠检测及计算完成 4. 疲劳检测完成 5. 人脸情绪检测完成 6. 口罩检测完成 网络性能指标：准确率82.18% 主要文件说明： - ssd_net_vgg.py: 定义 class SSD 的代码。 - Train.py: 训练代码。 - voc0712.py: 数据集处理代码（注意，此文件名未更改）。 - loss_function.py: 损失函数定义的脚本。 - detection.py: 处理检测结果的代码，将SSD返回的结果转换为opencv可以使用的格式。
     
  • 针对吸烟行为的目标检测数据集
    优质
    本研究构建了一个专注于识别和定位图像中吸烟行为的目标检测数据集，为相关领域提供高质量训练资源。 吸烟检测数据集包含了一系列用于识别和分析吸烟行为的数据样本。这些数据可以被用来训练机器学习模型，以提高对吸烟活动的自动检测能力。通过使用这样的数据集，研究人员能够开发出更准确、高效的算法来监测公共场合中的吸烟现象，并为相关健康政策提供支持。