[发明专利]一种神经网络与红外图像匹配的厨房吸烟检测方法及系统

说明书

本发明公开了一种神经网络与红外图像匹配的厨房吸烟检测方法及系统，该方法包括：S100：获取目标区域的红外图像和可见光图像；S200：在可见光图像中标注固定高温区域；S300：将红外图像和可见光图像进行位置配准；S400：从红外图像中提取未与固定高温区域重合的高温区域作为高温候选区域；S500：采用多任务卷积神经网络从可见光图像中检测头部区域，对头部区域变形得到香烟位置信息候选区域；S600：根据红外图像和可见光图像的位置配准关系，检测高温候选区域与香烟位置信息候选区域是否存在重叠，若存在重叠，则判断存在吸烟行为；否则判断不存在吸烟行为。本发明可显著提升厨房场景中吸烟检测的检测速度和检测准确度。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种神经网络与红外图像匹配的厨房吸烟检测方法及系统。

背景技术

随着人工智能的发展，计算机视觉在吸烟行为检测上得到了广泛的应用。常见的检测方法包括根据香烟燃烧的烟雾特性的检测方法，以及基于姿势识别的检测方法。由于厨房环境复杂，厨房中有较多高温区域且人员流动性大，影响检测的因素较多，目前这些检测方法在厨房使用时具有一定的局限性，误检率高。

公开号为CN 113326754 A的中国专利申请《基于卷积神经网络的吸烟行为检测方法、系统及相关设备》，其所公开的吸烟行为检测方法为：获取吸烟行为检测数据，吸烟行为检测数据包括多帧待识别人脸或人头图像；对吸烟行为检测数据中的多帧待识别人脸或人头图像进行数据预处理，得到固定尺寸图像；将固定尺寸图像输入到预设的卷积神经网络模型中，得到吸烟行为检测数据中待识别人脸或人头信息的检测结果；将检测结果输入到预设的分类器中，得到吸烟行为判断结果。该吸烟行为检测方法即基于姿势识别的检测方法，并不适用环境复杂的厨房场景。

当厨房排气排烟情况良好时，厨房除燃气灶区域以及烟气产生区域有1000℃以上的高温外，其他区域温度均为20℃~40℃。在做饭时的呼吸区域的温度为23℃左右，而香烟燃烧时其中央部位（即烟点）温度高达800℃~900℃，其卷纸的燃烧边沿温度达200℃~300℃，与外界区域温差较大。考虑到香烟区域与外界区域存在较大温差，于是有人利用该特点来检测吸烟行为，技术思路为：获取红外图像，以及对红外图像检测烟点，当检测到烟点，则判定存在吸烟行为。但由于红外图像往往存在分辨率差、对比度低、信噪比低、视觉效果模糊等不足，仅基于红外图像的吸烟行为检测方法难以获得有效、稳定且准确的检测结果。

于是在公开号为CN 114202646 A的中国专利申请《一种基于深度学习的红外图像吸烟检测方法与系统》中提出，将红外图像与可见光图像结合，来进行吸烟检测。检测方法为：先获取红外图像和可见光图像，将红外图像和可见光图像融合，得到双光融合图像；再采用网络模型从双光融合图像中提取烟点特征，对存在烟点的图像则判定为有人吸烟。在该检测方法中，其利用可见光图像中的吸烟行为特征对红外图像进行补充，以提高检测的准确性。但由于厨房场景环境复杂，导致从可见光图像提取吸烟行为特征的准确性低，因此，该红外图像吸烟检测方法同样不适用厨房场景。

发明内容

本发明的目的提供一种神经网络与红外图像匹配的厨房吸烟检测方法及系统，该方法及系统适用厨房场景，在厨房场景下可显著降低误检率。

本发明提供的一种神经网络与红外图像匹配的厨房吸烟检测方法，包括：

S100：获取检测数据，包括目标区域的红外图像和可见光图像；

S200：在可见光图像中标注固定高温区域；

S300：将红外图像和可见光图像进行位置配准；

S400：从红外图像中提取未与固定高温区域重合的高温区域作为高温候选区域；

S500：采用多任务卷积神经网络从可见光图像中检测头部区域，对头部区域变形得到香烟位置信息候选区域；