在计算机视觉领域,人类行为识别是其一个研究分支,其中吸烟行为是人类行为的一种。该行为不仅对自身和他人健康,还对人类财产均具有很大危害,相关研究表明,吸烟会导致癌症、心脏病等,还增加了患肺结核、某些眼部疾病和免疫系统问题的风险。吸烟是造成火灾（森林火灾、居住建筑火灾、工厂火灾等）的重要原因之一,2017年我国火灾约21.9万起,造成直接财产损失26.2亿元,其中因吸烟引发的火灾有1.5万起。但是现有人类行为数据集中,对于吸烟行为相关数据非常少,目前只在两份大型数据集中作为分支存在,占数据总量不到2%;且人类行为数据集在制作过程中,主要通过人工标注,“有多少智能,就有多少人工”,导致数据集制作的成本昂贵且费力。本研究为解决以上两个问题,广泛搜集了吸烟相关数据,按照PASCAL VOC标注准则进行标注,从而制作了一份可用于目标检测领域的吸烟行为数据集;针对现有常见数据集制作方式存在的问题,提出了半自动化标注方案。首先采用两种标注方式来人工对吸烟数据进行标注,生成两份数据集,并在各指标上与大型通用数据集对比并靠拢;由于人工标注数据量增长缓慢,因此使用提出的半自动化标注方案对吸烟行为数据进行了标注,生成了半自动化标注数据集,大大减轻了人工标注数目,且具有与人工标注数据集相同的性质;最后将吸烟行为数据和其他大型通用数据集一起,在现有目标检测算法上进行测试评估。最终制作了一份与PASCAL VOC 2007同等规模且性能更好的吸烟行为数据集DSOT（Dataset for Smoking Object de Tection）;在制作过程中借助YOLOv3算法进行半自动化标注,证明了半自动化标注的优越性;与PASCAL VOC数据集一起,在VGG16+Faster R-CNN、Res101+Faster R-CNN两个网络上进行测试以及性能对比分析,证明了DSOT数据集的优越性。