本研究提出了一种基于YOLOv8深度学习模型的上班员工行为监测与语音提醒系统，旨在实现对工作环境中员工行为的实时监测与分析，提供语音提示以纠正异常行为，进而优化工作效率和规范性管理。该系统通过结合先进的计算机视觉技术与语音交互功能，为智能化办公场景提供了一种高效且实用的解决方案。
项目信息
编号：PDV-75
大小：301M
运行条件
Python开发环境：
– PyCharm的安装包：PyCharm: Python IDE for Professional Developers
– PyCharm的历史安装包：PyCharm: Python IDE for Professional Developers
– Anaconda的安装包：Anaconda | Start Coding Immediately
– Python开发版本：Python==3.9
需要安装依赖包：
– pip install PyQt5== 5.15.11
– pip install Pillow==9.5.0
– pip install opencv-python==4.10.0.84
– pip install torch==2.4.0
– pip install torchvision==0.19.0
– pip install numpy== 1.26.4
– pip install matplotlib==3.9.2
项目介绍
本研究提出了一种基于YOLOv8深度学习模型的上班员工行为监测与语音提醒系统，旨在实现对工作环境中员工行为的实时监测与分析，提供语音提示以纠正异常行为，进而优化工作效率和规范性管理。该系统通过结合先进的计算机视觉技术与语音交互功能，为智能化办公场景提供了一种高效且实用的解决方案。
系统通过PyQt5框架搭建了一个直观友好的交互界面，与深度学习模型无缝集成。YOLOv8模型作为核心检测模块，通过引入自定义的数据集进行训练和优化，能够精准地识别员工的三种行为状态：工作状态正常、工作时间睡觉和工作时玩手机。用户可通过界面上传图片、视频，或启用实时摄像头对员工的行为进行动态检测，系统会在第一时间反馈结果，包括检测到的目标类别、置信度评分以及目标位置坐标（如xmin, ymin, xmax, ymax）。
为了提高检测的灵活性和实用性，系统允许用户调整检测参数，如置信度阈值和交并比（IoU）阈值，以适应不同工作场景下的精准度需求。例如，在对异常行为检测容忍度较低的环境中，可提高置信度阈值以减少误报；而在宽松场景下，可降低阈值以确保检测覆盖率。无论参数如何调整，系统始终能够以最优的性能在短时间内完成检测，实验表明，其检测响应时间低于0.1秒。
此外，当系统检测到员工存在异常行为时（如睡觉或玩手机），将自动触发语音提醒功能，通过语音提示员工调整行为状态。这一功能在提升员工警觉性和改善办公环境方面发挥了重要作用。对于检测到的正常行为，系统会给出“工作专注”的提示，为管理者提供信心，同时记录该行为状态以供后续分析。
在实验环节，系统使用多场景、多样化的自定义数据集对模型进行了充分的测试与验证。结果表明，该系统在三种行为检测任务中的平均准确率高达91%，且在复杂环境下的表现依然稳定。响应时间的优化确保了其适合实时应用，尤其在对时间敏感的控制中心和办公区域等场景中，具有极大的应用潜力。
该研究通过深度学习模型的技术优势和语音提醒功能的创新融合，为智能化办公管理提供了一种集实时性、精确性和易用性于一体的解决方案。未来，系统可进一步扩展支持更多行为类别的检测，优化语音提醒的个性化配置，甚至与考勤系统联动，成为智能办公管理的重要组成部分。
项目文档
Tipps：可以根据您的需求进行写作，确保文档原创！
– 项目文档：写作流程
算法流程
代码讲解
Tipps：仅对train.py部分代码简要讲解。该项目可以按需有偿讲解，提供后续答疑。
项目数据
Tipps：通过搜集关于数据集为各种各样的上班员工行为相关图像，并使用Labelimg标注工具对每张图片进行标注，分3检测类别，分别是’工作状态正常’, ‘工作时间睡觉’, ‘工作时玩手机’。
目标检测标注工具
（1）labelimg:开源的图像标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用（虽然是英文版的）。其注释以 PASCAL VOC格式保存为XML文件，这是ImageNet使用的格式。此外，它还支持 COCO数据集格式。
（2）安装labelimg 在cmd输入以下命令 pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
结束后，在cmd中输入labelimg
初识labelimg
打开后，我们自己设置一下
在View中勾选Auto Save mode
接下来我们打开需要标注的图片文件夹
并设置标注文件保存的目录（上图中的Change Save Dir）
接下来就开始标注，画框，标记目标的label，然后d切换到下一张继续标注，不断重复重复。
Labelimg的快捷键
（3）数据准备
这里建议新建一个名为data的文件夹（这个是约定俗成，不这么做也行），里面创建一个名为images的文件夹存放我们需要打标签的图片文件；再创建一个名为labels存放标注的标签文件；最后创建一个名为 classes.txt 的txt文件来存放所要标注的类别名称。
data的目录结构如下：
│─img_data
│─images 存放需要打标签的图片文件
│─labels 存放标注的标签文件
└ classes.txt 定义自己要标注的所有类别（这个文件可有可无，但是在我们定义类别比较多的时候，最好有这个创建一个这样的txt文件来存放类别）
首先在images这个文件夹放置待标注的图片。
生成文件如下:
“classes.txt”定义了你的 YOLO 标签所引用的类名列表。
（4）YOLO模式创建标签的样式
存放标签信息的文件的文件名为与图片名相同，内容由N行5列数据组成。
每一行代表标注的一个目标，通常包括五个数据，从左到右依次为：类别id、x_center、y_center、width、height。
其中：
–x类别id代表标注目标的类别；
–x_center和y_center代表标注框的相对中心坐标；
–xwidth和height代表标注框的相对宽和高。
注意：这里的中心点坐标、宽和高都是相对数据！！！
存放标签类别的文件的文件名为classes.txt (固定不变)，用于存放创建的标签类别。
完成后可进行后续的yolo训练方面的操作。
模型训练
Tipps：模型的训练、评估与推理
1.YOLOv8的基本原理
YOLOv8是一个SOTA模型，它建立在Yolo系列历史版本的基础上，并引入了新的功能和改进点，以进一步提升性能和灵活性，使其成为实现目标检测、图像分割、姿态估计等任务的最佳选择。其具体创新点包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数，可在CPU到GPU的多种硬件平台上运行。
YOLOv8是Yolo系列模型的最新王者，各种指标全面超越现有对象检测与实例分割模型，借鉴了Yolov5、Yolov6、YoloX等模型的设计优点，在全面提升改进Yolov5模型结构的基础上实现，同时保持了Yolov5工程化简洁易用的优势。
Yolov8模型网络结构图如下图所示：
2.数据集准备与训练
本研究使用了包含上班员工行为的数据集，并通过Labelimg标注工具对每张图像中的目标边框（Bounding Box）及其类别进行标注。然后主要基于YOLOv8n这种模型进行模型的训练，训练完成后对模型在验证集上的表现进行全面的性能评估及对比分析。模型训练和评估流程基本一致，包括：数据集准备、模型训练、模型评估。本次标注的目标类别为上班员工行为，数据集中共计包含7721张图像，其中训练集占5404张，验证集占1544张，测试集占773张。部分图像如下图所示：
部分标注如下图所示：
图片数据的存放格式如下，在项目目录中新建datasets目录，同时将检测的图片分为训练集与验证集放入datasets目录下。
接着需要新建一个data.yaml文件，用于存储训练数据的路径及模型需要进行检测的类别。YOLOv8在进行模型训练时，会读取该文件的信息，用于进行模型的训练与验证。
data.yaml的具体内容如下：
train: C:\\7zProject\\EmployeeBehaviorAtWorkDetection_v8\\datasets\Data\\images\\train 训练集的路径
val: C:\\7zProject\\EmployeeBehaviorAtWorkDetection_v8\\datasets\Data\\images\\val 验证集的路径
test: C:\\7zProject\\EmployeeBehaviorAtWorkDetection_v8\\datasets\Data\\images\\test 测试集的路径
nc: 3
names: [‘normal’, ‘sleep’, ‘play’]
这个文件定义了用于模型训练和验证的数据集路径，以及模型将要检测的目标类别。
数据准备完成后，通过调用train.py文件进行模型训练，epochs参数用于调整训练的轮数，batch参数用于调整训练的批次大小(根据内存大小调整，最小为1)。
CPU/GPU训练代码如下：
加载名为 yolov8n.pt 的预训练YOLOv8模型，yolov8n.pt是预先训练好的模型文件。
使用YOLO模型进行训练，主要参数说明如下：
（1）data=data_yaml_path: 指定了用于训练的数据集配置文件。
（2）epochs=150: 设定训练的轮数为150轮。
（3）batch=4: 指定了每个批次的样本数量为4。
（4）optimizer=’SGD’):SGD 优化器。
（7）name=’train_v8′: 指定了此次训练的命名标签，用于区分不同的训练实验。
3.训练结果评估
在深度学习的过程中，我们通常通过观察损失函数下降的曲线来了解模型的训练情况。对于YOLOv8模型的训练，主要涉及三类损失：定位损失（box_loss）、分类损失（cls_loss）以及动态特征损失（dfl_loss）。训练完成后，相关的训练过程和结果文件会保存在 runs/ 目录下，具体如下：
各损失函数作用说明：
定位损失box_loss：预测框与标定框之间的误差（GIoU），越小定位得越准；
分类损失cls_loss：计算锚框与对应的标定分类是否正确，越小分类得越准；
动态特征损失（dfl_loss）：DFLLoss是一种用于回归预测框与目标框之间距离的损失函数。在计算损失时，目标框需要缩放到特征图尺度，即除以相应的stride，并与预测的边界框计算Ciou Loss，同时与预测的anchors中心点到各边的距离计算回归DFLLoss。这个过程是YOLOv8训练流程中的一部分，通过计算DFLLoss可以更准确地调整预测框的位置，提高目标检测的准确性。
训练结果如下：
这张图展示了YOLOv8模型在训练和验证过程中的多个重要指标的变化趋势，具体如下：
train/box_loss：
（1）这是训练过程中边界框损失的变化。边界框损失用于衡量模型预测的目标框与实际目标框的差异。
（2）随着训练进行，损失逐渐减小，表明模型的边界框预测逐渐优化。
train/cls_loss：
（1）这是训练集上的分类损失。分类损失衡量模型对目标类别的预测准确性。
（2）损失值逐渐降低，表明模型在区分类别方面逐渐变得更准确。
train/dfl_loss：
（1）这是分布聚焦损失（distribution focal loss），用于帮助模型对目标框的精确定位。
（2）损失值逐步减小，说明模型预测的分布概率逐渐优化。
metrics/precision(B)：
（1）这是训练集上的精度（precision）曲线。精度表示模型在检测到的目标中有多少是真正的目标。
（2）精确度随着训练轮次逐渐提高，接近稳定状态。
metrics/recall(B)：
（1）这是训练集上的召回率（recall）曲线。召回率表示模型检测出的真实目标的比例。
（2）随着训练轮次增加，召回率逐渐提高，表明模型在检测目标方面更全面。
val/box_loss：
（1）这是验证集上的边界框损失曲线。
（2）验证损失逐渐降低，说明模型对未见数据的边界框预测也在优化。
val/cls_loss：
（1）这是验证集上的分类损失曲线。
（2）验证集分类损失逐步减小，表明模型的泛化能力逐渐增强。
val/dfl_loss：
（1）这是验证集上的分布聚焦损失曲线。
（2）与训练集一致，验证集上的损失也逐渐减小。
metrics/mAP50(B)：
（1）这是验证集上的mAP50曲线，表示在交并比阈值为0.5时模型的平均精度（mean Average Precision）。
（2）随着训练进行，mAP@50快速上升并趋于稳定，显示模型检测能力不断提高。
metrics/mAP50-95(B)：
（1）这是验证集上的mAP50-95曲线，表示在不同交并比阈值（从0.5到0.95）下模型的平均精度。
（2）随训练轮次增加，mAP@50-95稳定上升，说明模型在更严格IoU标准下也表现良好。
总结
（1）训练过程稳定：各类损失值（box_loss、cls_loss、dfl_loss）在训练集和验证集上均逐渐下降。
（2）性能指标逐步提高：Precision、Recall、mAP50和mAP50-95都显示出稳定的提升，表明模型性能逐渐优化。
（3）模型泛化性良好：验证集的损失值和指标曲线与训练集一致，表明模型具有良好的泛化能力。
这张图展示的是 Precision-Recall 曲线，用于评估模型在不同类别下的检测性能。以下是详细解释：
不同类别的曲线：
1.normal 类别（蓝色）
（1）精确率和召回率在大部分范围内保持平衡，曲线整体较高且平滑。
（2）mAP@0.5 达到 0.923，说明模型对正常工作状态的检测表现良好。
（3）可能原因：该类别的数据分布较为均匀，特征较易区分。
2.sleep 类别（橙色）
（1）精确率和召回率均较高，曲线几乎覆盖顶部区域。
（2）mAP@0.5 达到 0.948，为所有类别中表现最好的。
（3）可能原因：该类别的样本特征显著，易于模型识别（如闭眼、休息姿态等显著特征）。
3.play 类别（绿色）
（1）精确率和召回率在低召回率时表现较好，但随着召回率提高，精确率下降更明显。
（2）mAP@0.5 为 0.850，略低于其他类别。
（3）可能原因：”玩手机” 的行为样本可能特征不够集中，或部分样本具有多义性（如手部动作可能与其他类别重叠）。
综合表现（深蓝色）
（1）综合 P-R 曲线表现稳健，反映了所有类别的平均情况。
（2）总体 mAP@0.5 为 0.907，表明模型整体在这三个类别上的检测效果良好。
4.检测结果识别
模型训练完成后，我们可以得到一个最佳的训练结果模型best.pt文件，在runs/train/weights目录下。我们可以使用该文件进行后续的推理检测。
imgTest.py 图片检测代码如下：
加载所需库：
（1）from ultralytics import YOLO：导入YOLO模型类，用于进行目标检测。
（2）import cv2：导入OpenCV库，用于图像处理和显示。
加载模型路径和图片路径：
（1）path = ‘models/best.pt’：指定预训练模型的路径，这个模型将用于目标检测任务。
（2）img_path = “TestFiles/imagetest.jpg”：指定需要进行检测的图片文件的路径。
加载预训练模型：
（1）model = YOLO(path, task=’detect’)：使用指定路径加载YOLO模型，并指定检测任务为目标检测 (detect)。
（2）通过 conf 参数设置目标检测的置信度阈值，通过 iou 参数设置非极大值抑制（NMS）的交并比（IoU）阈值。
检测图片：
（1）results = model(img_path)：对指定的图片执行目标检测，results 包含检测结果。
显示检测结果：
（1）res = results[0].plot()：将检测到的结果绘制在图片上。
（2）cv2.imshow(“YOLOv8 Detection”, res)：使用OpenCV显示检测后的图片，窗口标题为“YOLOv8 Detection”。
（3）cv2.waitKey(0)：等待用户按键关闭显示窗口
此代码的功能是加载一个预训练的YOLOv8模型，对指定的图片进行目标检测，并将检测结果显示出来。
执行imgTest.py代码后，会将执行的结果直接标注在图片上，结果如下：
这段输出是基于YOLOv8模型对图片“imagetest.jpg”进行检测的结果，具体内容如下：
图像信息：
（1）处理的图像路径为：TestFiles/imagetest.jpg。
（2）图像尺寸为1920×1080像素。
检测结果：
（1）模型识别到了 1个对象，类别为 “sleep”。
处理速度：
（1）预处理时间: 2.1 毫秒
（2）推理时间: 36.4 毫秒
（3）后处理时间: 50.9 毫秒
模型正确检测出了“sleep”行为，表明其对该类别具有较高的识别能力。整体推理耗时较短，表明系统在单张图片上的检测效率较高。
运行效果
– 运行 MainProgram.py
1.主要功能：
（1）可用于实时检测目标图片中的上班员工行为；
（2）支持图片、视频及摄像头进行检测，同时支持图片的批量检测；
（3）界面可实时显示目标位置、目标总数、置信度、用时等信息;
（4）支持图片或者视频的检测结果保存。
2.检测结果说明：
（1）置信度阈值：当前设置为0.25，表示检测系统只会考虑置信度高于25%的目标进行输出，置信度越高表示模型对检测结果的确信度越高。
（2）交并比阈值：当前设置为0.70，表示系统只会认为交并比（IoU）超过70%的检测框为有效结果。交并比是检测框与真实框重叠区域的比值，用于衡量两个框的相似程度，值越高表明重叠程度越高。
这两个参数通常用于目标检测系统中，调整后可以影响模型的检测精度和误检率。
这张图表显示了基于YOLOv8模型的目标检测系统的检测结果界面。以下是各个字段的含义解释：
用时（Time taken）:
（1）这表示模型完成检测所用的时间为0.070秒。
（2）这显示了模型的实时性，检测速度非常快。
目标数目（Number of objects detected）:
（1）检测到的目标数目为1，表示这是当前检测到的第1个目标。
目标选择(下拉菜单)：全部:
（1）这里有一个下拉菜单，用户可以选择要查看的目标类型。
（2）在当前情况下，选择的是“全部”，意味着显示所有检测到的目标信息。
语音提醒（Voice Reminder）:
（1）上班员工行为异常语音提醒：工作懒散
目标检测类型：
结果（Result）:
（1）当前选中的结果为 “坐姿呈高低肩”，表示系统正在高亮显示检测到的“abnormal_twisted”。
置信度（Confidence）:
（1）这表示模型对检测到的目标属于“工作时玩手机”类别的置信度为90.35%。
（2）置信度反映了模型的信心，置信度越高，模型对这个检测结果越有信心。
目标位置（Object location）:
（1）xmin: 377, ymin: 159：目标的左上角的坐标(xmin, ymin)，表示目标区域在图像中的位置。
（2）xmax: 519, ymax: 350：目标的右下角的坐标(xmax, ymax)，表示目标区域的边界。
这些坐标表示在图像中的目标区域范围，框定了检测到的“工作时玩手机”的位置。
这张图展示了上班员工行为的一次检测结果，包括检测时间、检测到的种类、各行为的置信度、目标的位置信息等。用户可以通过界面查看并分析检测结果，提升上班员工行为检测的效率。
3.图片检测说明
（1）工作时间睡觉
（2）工作时玩手机
（3）工作状态正常
点击打开图片按钮，选择需要检测的图片，或者点击打开文件夹按钮，选择需要批量检测图片所在的文件夹。
操作演示如下：
（1）点击目标下拉框后，可以选定指定目标的结果信息进行显示。
（2）点击保存按钮，会对检测结果进行保存，存储路径为：save_data目录下。
检测结果：系统识别出图片中的上班员工行为情况，并显示检测结果，包括总目标数、用时、目标类型、置信度、以及目标的位置坐标信息。
4.视频检测说明
点击视频按钮，打开选择需要检测的视频，就会自动显示检测结果，再次点击可以关闭视频。
点击保存按钮，会对视频检测结果进行保存，存储路径为：save_data目录下。
检测结果：系统对视频进行实时分析，检测到上班员工行为并显示检测结果。表格显示了视频中多个检测结果的置信度和位置信息。
这个界面展示了系统对视频帧中的多目标检测能力，能够准确识别上班员工行为，并提供详细的检测结果和置信度评分。
5.摄像头检测说明
点击打开摄像头按钮，可以打开摄像头，可以实时进行检测，再次点击，可关闭摄像头。
检测结果：系统连接摄像头进行实时分析，检测到上班员工行为并显示检测结果。实时显示摄像头画面，并将检测到的行为位置标注在图像上，表格下方记录了每一帧中检测结果的详细信息。
6.保存图片与视频检测说明
点击保存按钮后，会将当前选择的图片(含批量图片)或者视频的检测结果进行保存。
检测的图片与视频结果会存储在save_data目录下。
保存的检测结果文件如下：
（1）图片保存
（2）视频保存
– 运行 train.py
1.训练参数设置
（1）data=data_yaml_path: 使用data.yaml中定义的数据集。
（2）epochs=150: 训练的轮数设置为150轮。
（3）batch=4: 每个批次的图像数量为4（批次大小）。
（4）name=’train_v8′: 训练结果将保存到以train_v8为名字的目录中。
（5）optimizer=’SGD’: 使用随机梯度下降法(SGD)作为优化器。
虽然在大多数深度学习任务中，GPU通常会提供更快的训练速度。
但在某些情况下，可能由于硬件限制或其他原因，用户需要在CPU上进行训练。
温馨提示：在CPU上训练深度学习模型通常会比在GPU上慢得多，尤其是像YOLOv8这样的计算密集型模型。除非特定需要，通常建议在GPU上进行训练以节省时间。
2.训练日志结果
这张图展示了使用YOLOv8进行模型训练的详细过程和结果。
训练总时长：
（1）模型在训练了150轮后，总共耗时2.419小时。
总体性能：
（1）mAP50：表示在IoU阈值为50%的平均精度，整体得分为0.951。
（2）mAP50-95：表示在IoU阈值从50%到95%的平均精度，整体得分为0.807。
速度：
（1）0.1ms 预处理时间
（2）1.2ms 推理时间
（3）0.9ms 后处理时间
结果保存：
（1）Results saved to runs\detect\train_v8：验证结果保存在 runs\detect\train_v8 目录下。
完成信息：
（1）Process finished with exit code 0：表示整个验证过程顺利完成，没有报错。
模型在mAP50上达到了很高的准确率，表明它在该任务上的表现非常优秀，特别是在不同异常情况的检测方面表现良好。
远程部署
Tipps：购买后可有偿协助安装，确保运行成功。
– 远程工具：Todesk 、向日葵远程控制软件
– 操作系统：Windows OS
– 客服QQ：3666308803
项目文件
文件目录
Tipps：完整项目文件清单如下：
项目目录
– 1.Code (完整代码：确保运行成功)
– 2.Result (运行结果：真实运行截图)
– 3.Demo (演示视频：真实运行录制)
评论(0)