[发明专利]吸烟检测方法、系统及计算机介质

说明书

本申请提供了一种吸烟检测方法、系统及计算机介质，获取被监测区域的吸烟图像，预处理形成数据集；根据数据集的吸烟图像，将人区域以及烟区域进行标签标注，标签的类别包括人标签以及烟标签；将带标签的数据集输入至目标检测网络进行训练，得到训练后的目标检测网络；输入待检测吸烟图像至训练后的目标检测网络，得到人的检测区域以及烟的检测区域；根据烟的检测区域、人的检测区域以及重合区域，判断是否有人吸烟。本申请通过判断检测的香烟和人的区域是否重叠在一起，并通过重合区域大小来判断人是否在吸烟，本申请的吸烟检测大大减少了误检率，且提高了检测方案的落地可实施性。解决了目前目前吸烟检测技术误检率高以及算法复杂不易实施的问题。

技术领域

本申请属于图像识别技术领域，具体地，涉及一种吸烟检测方法、系统及计算机介质。

背景技术

吸烟有害健康，尤其在公共环境下吸烟会造成的如下危害：污染公共场合的空气，造成他人被动吸烟；随意丢弃烟头，若碰到公共场合的易燃易爆物品，容易造成火灾。因现在还有很多公民没有主动遵守公共管理准则，还需要人力去巡检，进行吸烟检测，必然需要投入大量的人力物力。随着人工智能的快速发展，越来越多的深度学习算法应用在解决公共环境下的吸烟检测上。

现有的吸烟检测算法中，有的是基于图像直接进行吸烟检测判断，通过检测算法判断图片中是否有点燃的香烟，主要使用的检测算法有目标检测SSD算法、Faster RCNN算法以及YOLO算法等，如果判断出有点燃的香烟，就进行吸烟提示报警。而这种检测算法只是适用于简单环境下的检测，在存在较多和香烟相似物体的复杂公共环境下，很容易造成香烟误检测。且常见的检测方案不能做到吸烟实时监测，消耗的资源成本也很高，因此检测算法很难落地实施。

发明内容

本发明提出了一种吸烟检测方法、系统及计算机介质，旨在解决目前吸烟检测技术误检率高以及算法复杂不易实施的问题。

根据本申请实施例的第一个方面，提供了一种吸烟检测方法，具体包括以下步骤：

获取被监测区域的吸烟图像，预处理形成数据集；

根据数据集的吸烟图像，将人区域以及烟区域进行标签标注，标签的类别包括人标签以及烟标签；

将带标签的数据集输入至目标检测网络进行训练，得到训练后的目标检测网络；

输入待检测吸烟图像至训练后的目标检测网络，得到人的检测区域以及烟的检测区域；

根据烟的检测区域、人的检测区域以及重合区域，判断是否有人吸烟。

在本申请一些实施方式中，目标检测网络为yolov4目标检测网络。

在本申请一些实施方式中，根据烟的检测区域、人的检测区域以及重合区域，判断是否有人吸烟，具体包括：

根据人的检测区域以及烟的检测区域，得到重合区域；

当重合区域占烟的检测区域的比重，大于或等于第一阈值时，判断为有人吸烟。

在本申请一些实施方式中，第一阈值的数值范围为0.75-0.95。

在本申请一些实施方式中，第一阈值为0.8。

在本申请一些实施方式中，根据烟的检测区域、人的检测区域以及重合区域，判断是否有人吸烟，具体包括：

根据人的检测区域以及烟的检测区域，得到重合区域；

当重合区域占人的检测区域的比重，大于或等于第二阈值时，判断为有人吸烟。

在本申请一些实施方式中，将带标签的数据集输入至目标检测网络进行训练，得到训练后的目标检测网络，具体包括：

采用通道剪枝优化yolov4目标检测网络；