在工地场景的禁烟区域，传统的人工巡查方式难以实现全天候监管，抽烟行为往往无法及时发现和处理。如何利用智能监控设备实时识别抽烟行为，成为安全管理的重要需求。

萤石开放平台提供了一套完整的AI智能检测方案，结合摄像头设备接入、实时抓拍和AI算法分析，能够快速搭建抽烟检测系统，实现自动化的违规行为识别和预警。

1. 技术架构

整体方案分为四个核心模块：

2. 详细开发步骤

第1步：获取AccessToken

首先需要获取萤石云API的访问令牌，这是调用所有接口的前提条件

• 接口地址

  POST https://open.ys7.com/api/lapp/token/get

• 请求参数

  appKey：应用Key（在萤石开放平台创建应用时获取）

  appSecret：应用Secret

• 代码实现

publicclassEzvizTokenClient {    privatestaticfinal String TOKEN_API_URL = "https://open.ys7.com/api/lapp/token/get";
    public TokenResponse getToken(String appKey, String appSecret) throws Exception {        // 构建请求体 (form-urlencoded格式)        String requestBody = "appKey=" + appKey + "&appSecret=" + appSecret;
        HttpRequest httpRequest = HttpRequest.newBuilder()                .uri(URI.create(TOKEN_API_URL))                .header("Content-Type", "application/x-www-form-urlencoded")                .POST(HttpRequest.BodyPublishers.ofString(requestBody))                .build();
        HttpResponse<String> response = httpClient.send(httpRequest, BodyHandlers.ofString());        return objectMapper.readValue(response.body(), TokenResponse.class);    }}

• 响应示例

{    "code": "200",    "msg": "success",    "data": {        "accessToken": "at.xxxxx",        "expireTime": 7200000    }}

第2步：添加设备到账号

将摄像头设备绑定到你的萤石账号，才能进行后续的抓拍操作

• 接口地址

  POST https://open.ys7.com/api/lapp/device/add

• 请求参数

  accessToken：访问令牌

  deviceSerial：设备序列号（在设备机身标签上可找到）

  validateCode：设备验证码（设备初始化时设置）

• 代码实现

publicclassEzvizDeviceClient {    privatestaticfinal String DEVICE_ADD_API_URL = "https://open.ys7.com/api/lapp/device/add";
    public DeviceAddResponse addDevice(String accessToken, String deviceSerial, String validateCode) throws Exception {        String requestBody = "accessToken=" + accessToken                + "&deviceSerial=" + deviceSerial                + "&validateCode=" + validateCode;
        HttpRequest httpRequest = HttpRequest.newBuilder()                .uri(URI.create(DEVICE_ADD_API_URL))                .header("Content-Type", "application/x-www-form-urlencoded")                .POST(HttpRequest.BodyPublishers.ofString(requestBody))                .build();
        HttpResponse<String> response = httpClient.send(httpRequest, BodyHandlers.ofString());        return objectMapper.readValue(response.body(), DeviceAddResponse.class);    }}

第3步：设备实时抓拍

调用摄像头抓取当前画面，获取图片URL供后续AI分析使用。

• 接口地址

  POST https://open.ys7.com/api/lapp/device/capture

• 请求参数

  accessToken：访问令牌

  deviceSerial：设备序列号

  channelNo：通道号（默认为1）

• 代码实现

publicclassEzvizCaptureClient {    privatestaticfinal String CAPTURE_API_URL = "https://open.ys7.com/api/lapp/device/capture";
    public CaptureResponse capture(String accessToken, String deviceSerial, int channelNo) throws Exception {        String requestBody = "accessToken=" + accessToken                + "&deviceSerial=" + deviceSerial                + "&channelNo=" + channelNo;
        HttpRequest httpRequest = HttpRequest.newBuilder()                .uri(URI.create(CAPTURE_API_URL))                .header("Content-Type", "application/x-www-form-urlencoded")                .POST(HttpRequest.BodyPublishers.ofString(requestBody))                .build();
        HttpResponse<String> response = httpClient.send(httpRequest, BodyHandlers.ofString());        return objectMapper.readValue(response.body(), CaptureResponse.class);    }}

• 响应示例

{    "code": "200",    "msg": "success",    "data": {        "deviceSerial": "ABC123456",        "channelNo": "1",        "picUrl": "https://resource.xxxxx.jpg"    }}

第4步：调用AI抽烟检测接口

将抓拍的图片URL发送到AI检测接口，识别抽烟行为

• 接口地址

  POST https://open.ys7.com/api/service/intelligence/algo/analysis/smoking_detection

• 请求参数

  accessToken：访问令牌（放在Header中）

  imageUrl：图片URL

  imgWidth：图片宽度

  imgHeight：图片高度

  detectMode：检测模式（target_detect 目标检测 或 alert_detect 告警检测）

• 代码实现

publicclassSmokingDetectionClient {    privatestaticfinal String API_URL = "https://open.ys7.com/api/service/intelligence/algo/analysis/smoking_detection";
    public DetectionResponse detect(String imageUrl, int imgWidth, int imgHeight, String detectMode) throws Exception {        DetectionRequest request = new DetectionRequest();        request.setRequestId(UUID.randomUUID().toString());        request.setTaskType("smoking_detection");        request.setMark(true);
        DataInfo dataInfo = new DataInfo();        dataInfo.setModal("image");        dataInfo.setType("url");        dataInfo.setData(imageUrl);        request.setDataInfo(List.of(dataInfo));
        DataParam dataParam = new DataParam();        dataParam.setModal("image");        dataParam.setImgWidth(imgWidth);        dataParam.setImgHeight(imgHeight);        dataParam.setDetectMode(detectMode);        request.setDataParams(List.of(dataParam));
        String jsonBody = objectMapper.writeValueAsString(request);
        HttpRequest httpRequest = HttpRequest.newBuilder()                .uri(URI.create(API_URL))                .header("Content-Type", "application/json")                .header("accessToken", accessToken)                .POST(HttpRequest.BodyPublishers.ofString(jsonBody))                .build();
        HttpResponse<String> response = httpClient.send(httpRequest, BodyHandlers.ofString());        return objectMapper.readValue(response.body(), DetectionResponse.class);    }}

• 响应示例

{    "meta": {        "code": 200,        "message": "success"    },    "data": {        "requestId": "uuid-xxxxx",        "taskType": "smoking_detection",        "images": [{            "imageWidth": 1920,            "imageHeight": 1080,            "contentAnn": {                "bboxes": [{                    "weight": 0.95,                    "tagInfo": {                        "tag": "person",                        "labels": [{                            "key": "action",                            "label": "smoking",                            "labelWeight": 0.92                        }]                    }                }]            }        }]    }}

第5步：完整流程集成

将以上4步串联起来，形成完整的检测流程

• 完整代码示例

publicclassCompleteFlowDemo {    publicstaticvoidmain(String[] args){        // 配置参数        String appKey = "your_appKey";        String appSecret = "your_appSecret";        String deviceSerial = "your_device_serial";        String validateCode = "your_validate_code";
        // 1. 获取Token        EzvizTokenClient tokenClient = new EzvizTokenClient();        TokenResponse tokenResponse = tokenClient.getToken(appKey, appSecret);        String accessToken = tokenResponse.getData().getAccessToken();
        // 2. 添加设备        EzvizDeviceClient deviceClient = new EzvizDeviceClient();        deviceClient.addDevice(accessToken, deviceSerial, validateCode);
        // 3. 设备抓拍        EzvizCaptureClient captureClient = new EzvizCaptureClient();        CaptureResponse captureResponse = captureClient.capture(accessToken, deviceSerial, 1);        String picUrl = captureResponse.getData().getPicUrl();
        // 4. 抽烟检测        SmokingDetectionClient detectionClient = new SmokingDetectionClient(accessToken);        DetectionResponse detectionResponse = detectionClient.detect(picUrl, 1920, 1080, "target_detect");
        // 5. 处理检测结果        if (detectionResponse.isSuccess()) {            for (ImageResult image : detectionResponse.getData().getImages()) {                for (Bbox bbox : image.getContentAnn().getBboxes()) {                    System.out.println("检测到: " + bbox.getTagInfo().getTag());                    System.out.println("置信度: " + bbox.getWeight() * 100 + "%");                    for (Label label : bbox.getTagInfo().getLabels()) {                        System.out.println("行为: " + label.getLabel() + " (" + label.getLabelWeight() * 100 + "%)");                    }                }            }        }    }}

3. 项目依赖配置

使用Maven管理项目依赖，仅需引入Jackson用于JSON处理

<dependencies>    <dependency>        <groupId>com.fasterxml.jackson.core</groupId>        <artifactId>jackson-databind</artifactId>        <version>2.15.0</version>    </dependency></dependencies>

项目使用Java 11原生HttpClient，无需额外HTTP依赖库

4. 运行项目

# 编译打包mvn clean package
# 运行完整流程java -jar target/smoking-detection-1.0-SNAPSHOT.jar

5. 运行项目扩展建议

1.定时巡检：结合定时任务，每隔一段时间自动抓拍检测

2.告警联动：检测到抽烟行为后，触发声光报警或发送通知

3.证据留存：保存检测图片和结果数据，用于后续追溯

4.多设备管理：批量接入多个摄像头，实现区域全覆盖监控

6. 相关资源 

• 萤石开放平台

  https://open.ys7.com 

• Token接口文档

  https://open.ys7.com/help/84  

• 设备添加文档

  https://open.ys7.com/help/85 - 

• 设备抓拍文档

  https://open.ys7.com/help/687 

通过萤石开放平台的设备接入能力和AI检测算法，只需5步即可快速搭建一套抽烟检测系统。整个流程从设备接入到AI分析，代码简洁清晰，不仅适合工地场景也能匹配各类禁烟场所的智能化管理需求。