本发明专利技术公开了一种抽烟行为检测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：确定图像中的人体区域，检测每个人体区域内是否存在烟体；若检测到烟体，则识别并计算烟体位置和人体鼻尖位置的间距，若间距小于或等于预设阈值，则判定存在抽烟行为；若未检测到烟体或间距大于预设阈值，则识别图像中是否存在烟雾，若存在，则判定可能存在抽烟行为，否则判定不存在抽烟行为。该实施方式综合考虑抽烟行为的严格定义以及伴随的烟雾现象，利用深度学习的多种算法思想，建立严谨的算法逻辑，以准确的判断抽烟行为，避免各种误判和漏判，达到有效预防火灾的目的。达到有效预防火灾的目的。达到有效预防火灾的目的。
【技术实现步骤摘要】
一种抽烟行为检测方法和装置
[0001]本专利技术涉及计算机
，尤其涉及一种抽烟行为检测方法和装置。
技术介绍
[0002]抽烟行为一般指人的嘴巴含着香烟，并且不断执行抽吸动作的状态，该过程通常会产生不断扩散的烟雾。目前抽烟行为检测方式主要有两种：一种通过传感器检测烟雾，另一种基于计算机视觉技术直接分析图像是否符合抽烟特征，主要分为机器学习方法与深度学习方法。在实现本专利技术的过程中，专利技术人发现现有技术至少存在如下问题：
[0003]1、抽烟产生的烟雾一般不是特别显著，而且由于扩散作用会快速消失。传感器一般只有在监测到烟雾浓度足够高时才具有较高的灵敏度，且不适用于存在大量粉尘或者高温、高湿的环境。实际上产生烟雾的原因有很多，即使检测到烟雾，也不能得到存在抽烟行为的结论。
[0004]2、机器学习方法对人工特征并不具有很强的普适性，从而导致较多的误报和漏报。深度学习方法，由于现实场景通常涉及大量人员，而且人员往往不断变化，因此样本采集难度大。此外，这种算法通常不适用于人体侧面抽烟的图片情况；侧面抽烟无法显示完整的嘴部区域，因此无法通过嘴部区域有效区分是否存在抽烟行为。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种抽烟行为检测方法和装置，至少能够解决现有技术普适性低，不适用于人体侧面抽烟检测的问题。
[0006]为实现上述目的，根据本专利技术实施例的一个方面，提供了一种抽烟行为检测方法，包括：
[0007]确定图像中的人体区域，检测每个人体区域内是否存在烟体；
[0008]若检测到烟体，则识别并计算烟体位置和人体鼻尖位置的间距，若所述间距小于或等于预设阈值，则判定存在抽烟行为；
[0009]若未检测到烟体或所述间距大于所述预设阈值，则识别所述图像中是否存在烟雾，若存在，则判定可能存在抽烟行为，否则判定不存在抽烟行为。
[0010]可选的，所述确定图像中的人体区域，还包括：对于单个人体区域，确定所述单个人体区域的宽度和高度，将所述宽度和外扩系数的乘积，作为水平方向的外扩值；基于所述外扩值，对所述单个人体区域在水平方向分别向左、右进行外扩，得到外扩后的单个人体区域。
[0011]可选的，在所述得到外扩后的人体区域之后，还包括：基于所述图像在水平方向和垂直方向上的分辨率，对所述外扩后的单个人体区域的边界坐标进行校正，得到外扩并校正后的单个人体区域。
[0012]可选的，所述宽度和高度，为能够覆盖所述单个人体区域的最小规则矩形的宽度和高度。
[0013]可选的，所述检测每个人体区域内是否存在烟体，包括：对于单个人体区域，使用第一卷积模块提取所述单个人体区域的第一图像特征，之后使用第一检测模块检测所述第一图像特征是否包含第一尺寸的烟体，若包含，则确定烟体位置信息；使用第一过渡模块对所述第一图像特征进行过渡处理，使用第二卷积模块从所述过渡后的第一图像特征中提取第二图像特征，之后使用第二检测模块检测所述第二图像特征是否包含第二尺寸的烟体，若包含，则确定烟体位置信息；使用第二过渡模块对所述第二图像特征进行过渡处理，使用第三卷积模块从所述过渡后的第二图像特征中提取第三图像特征，之后使用第三检测模块检测所述第三图像特征是否包含第三尺寸的烟体，若包含，则确定烟体位置信息；汇总上述检测信息，得到所述单个人体区域中不同尺寸烟体的检测结果及位置信息。
[0014]可选的，还包括：获取所有标注的锚框尺寸，通过聚类方式获取聚类结果最大的多个锚框尺寸；将所述多个锚框尺寸分配至所述第一检测模块、所述第二检测模块和所述第三检测模块，通过微调锚框尺寸方式对烟体区域进行识别。
[0015]可选的，还包括：采用人体关键点算法，检测出所述图像中的所有人体关键点，将每个关键点分别聚类到相应所属的个体区域，以确定每个人体区域的鼻尖位置。
[0016]可选的，所述识别并计算烟体位置和人体鼻尖位置的间距，若所述间距小于或等于预设阈值，则判定存在抽烟行为，包括：确定单个烟体区域的左上角的坐标值，计算所述左上角和所述人体鼻尖在垂直方向上的间距；计算单个人体区域的宽度和预设距离度量系数的乘积，若所述间距小于或等于所述乘积，则判定所述单个烟体区域内存在抽烟行为。
[0017]可选的，所述识别所述图像中是否存在烟雾，包括：基于多特征融合的烟雾识别算法，识别所述图像存在烟雾的概率；其中，所述多特征融合的烟雾识别算法包括深度学习算法和图像算法。
[0018]可选的，所述图像算法包括方向梯度直方图算法和局部二值模式；所述基于多特征融合的烟雾识别算法，识别所述图像存在烟雾的概率，包括：使用所述深度学习算法提取所述图像的特征图，通过展平层转换为第一长度的一维第一向量；其中，所述第一长度为所述特征图在三个维度上尺寸的乘积；通过第一全连接层将所述一维向量转换为第二长度的第二向量，之后再通过第二全连接层转换为第三长度的第三向量；使用所述局部二值模式提取所述图像的向量，通过第三全连接层转换为第四长度的第四向量；使用所述方向梯度直方图算法提取所述图像的向量，通过第四全连接层转换为第五长度的第五向量；融合所述第三向量、所述第四向量和所述第五向量，得到总向量；其中，所述总向量的长度为所述第三长度、所述第四长度和所述第五长度之和；通过第五全连接层将所述总向量转换为第七长度的第七向量，通过第六全连接层将所述第七向量转换为长度为1的第八向量，将所述第八向量的模作为所述图像中存在烟雾的概率。
[0019]为实现上述目的，根据本专利技术实施例的另一方面，提供了一种抽烟行为检测装置，包括：检测模块，用于确定图像中的人体区域，检测每个人体区域内是否存在烟体；间距判断模块，用于若检测到烟体，则识别并计算烟体位置和人体鼻尖位置的间距，若所述间距小于或等于预设阈值，则判定存在抽烟行为；烟雾识别模块，用于若未检测到烟体或所述间距大于所述预设阈值，则识别所述图像中是否存在烟雾，若存在，则判定可能存在抽烟行为，否则判定不存在抽烟行为。
[0020]可选的，所述检测模块，还用于：对于单个人体区域，确定所述单个人体区域的宽
度和高度，将所述宽度和外扩系数的乘积，作为水平方向的外扩值；基于所述外扩值，对所述单个人体区域在水平方向分别向左、右进行外扩，得到外扩后的单个人体区域。
[0021]可选的，所述检测模块，用于：基于所述图像在水平方向和垂直方向上的分辨率，对所述外扩后的单个人体区域的边界坐标进行校正，得到外扩并校正后的单个人体区域。
[0022]可选的，所述宽度和高度，为能够覆盖所述单个人体区域的最小规则矩形的宽度和高度。
[0023]可选的，所述检测模块，用于：对于单个人体区域，使用第一卷积模块提取所述单个人体区域的第一图像特征，之后使用第一检测模块检测所述第一图像特征是否包含第一尺寸的烟体，若包含，则确定烟体位置信息；使用第一过渡模块对所述第一图像特征进行过渡处理，使用第二卷积模块从所述过渡后的第一图像特征中提取第二图像特征，之后使用第二检测模块检测所述第二图像特征是否包含第二尺本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种抽烟行为检测方法，其特征在于，包括：确定图像中的人体区域，检测每个人体区域内是否存在烟体；若检测到烟体，则识别并计算烟体位置和人体鼻尖位置的间距，若所述间距小于或等于预设阈值，则判定存在抽烟行为；若未检测到烟体或所述间距大于所述预设阈值，则识别所述图像中是否存在烟雾，若存在，则判定可能存在抽烟行为，否则判定不存在抽烟行为。2.根据权利要求1所述的方法，其特征在于，所述确定图像中的人体区域，还包括：对于单个人体区域，确定所述单个人体区域的宽度和高度，将所述宽度和外扩系数的乘积，作为水平方向的外扩值；基于所述外扩值，对所述单个人体区域在水平方向分别向左、右进行外扩，得到外扩后的单个人体区域。3.根据权利要求2所述的方法，其特征在于，在所述得到外扩后的人体区域之后，还包括：基于所述图像在水平方向和垂直方向上的分辨率，对所述外扩后的单个人体区域的边界坐标进行校正，得到外扩并校正后的单个人体区域。4.根据权利要求2所述的方法，其特征在于，所述宽度和高度，为能够覆盖所述单个人体区域的最小规则矩形的宽度和高度。5.根据权利要求1所述的方法，其特征在于，所述检测每个人体区域内是否存在烟体，包括：对于单个人体区域，使用第一卷积模块提取所述单个人体区域的第一图像特征，之后使用第一检测模块检测所述第一图像特征是否包含第一尺寸的烟体，若包含，则确定烟体位置信息；使用第一过渡模块对所述第一图像特征进行过渡处理，使用第二卷积模块从所述过渡后的第一图像特征中提取第二图像特征，之后使用第二检测模块检测所述第二图像特征是否包含第二尺寸的烟体，若包含，则确定烟体位置信息；使用第二过渡模块对所述第二图像特征进行过渡处理，使用第三卷积模块从所述过渡后的第二图像特征中提取第三图像特征，之后使用第三检测模块检测所述第三图像特征是否包含第三尺寸的烟体，若包含，则确定烟体位置信息；汇总上述检测信息，得到所述单个人体区域中不同尺寸烟体的检测结果及位置信息。6.根据权利要求5所述的方法，其特征在于，还包括：获取所有标注的锚框尺寸，通过聚类方式获取聚类结果最大的多个锚框尺寸；将所述多个锚框尺寸分配至所述第一检测模块、所述第二检测模块和所述第三检测模块，通过微调锚框尺寸方式对烟体区域进行识别。7.根据权利要求1所述的方法，其特征在于，还包括：采用人体关键点算法，检测出所述图像中的所有人体关键点，将每个关键点分别聚类到相应所属的个体区域，以确定每个人体区域的鼻尖位置。8.根据权利要求6或7所述的方法，其特征在于，所述识别并计算烟体位置和...
【专利技术属性】
技术研发人员：周光正，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。