使用百度EasyDL实现厂区工人抽烟行为识别

项目说明
业务背景
在企业生产安全管理中，厂区安全是重要课题之一。厂区的人多、物杂、环境复杂等特性给安全管理带来挑战。当前大多数企业厂区都已加装视频摄像头，但主要依赖人工来对摄像头进行监测和预警。

业务难点
由于人眼、人脑的数据采集、分析能力具有局限性、不稳定性，因此依赖人工的监控方式无法做到视频数据的全量覆盖、及时分析和实时预警，从而给厂区安全管理带来隐患。

解决思路
为满足上述场景中的安全巡检需求，可引入AI模型进行智能分析，从而识别出厂区的人、物、环境等多种对象，并获取其位置、状态等信息，从而自动生成预警信号。例如，可识别人员着装是否规范（如安全帽、制服等）、是否产生危险行为（如抽烟等）、是否处于异常状态（如跌倒、聚集等）。这些智能分析需求可基于图像分类、物体检测、图像分割等AI模型来实现。例如，厂区抽烟行为的识别可基于物体检测模型来实现。

为了训练上述AI模型并投入生产应用，基于飞桨EasyDL，企业仅需安排一名普通业务人员，利用业余时间，即可在2-3周内从0到1训练出可用于厂区安全巡检的抽烟识别模型，并应用到厂区安全巡检场景的智能视频分析业务中。

数据准备
数据采集
客户的实际场景是基于厂区摄像头视频抽帧得到的图片来进行抽烟行为识别。因此，前期采集训练数据时，需要从摄像头视频数据中获取抽烟行为图片，且尽量覆盖不同角度、距离、光照等条件，与厂区的实际摄像条件相符。这样才能保证训练出来的模型真实可用，不可以用网络图片替代。

抽烟行为识别其实是识别出人手中握着的烟头，如下图：

数据导入
采集完毕可以根据您的使用习惯选择不同的导入方式来上传数据。可直接上传图片；也可将图片打包成zip压缩包上传；还可先将图片上传到其他网络地址（例如：百度网盘），然后拷贝链接上传。

数据标注
抽烟识别模型输出的信息是图片中是否有抽烟行为，以及烟头具体出现的位置，对应物体检测任务。因此，