一种抽烟行为识别方法及系统技术方案

本发明专利技术提供了一种抽烟行为识别方法及系统，涉及计算机技术领域，该方法包括：S1、获取实时视频流，通过深度学习目标检测模型effic i entDet对视频流进行计算，获取人员的感兴趣区域，所述感兴趣区域包括手的位置和嘴的位置；S2、通过手部节点模型获取所述感兴趣区域中关节点的位置，并计算关节点位置分布信息；S3、利用所述关节点位置分布信息，和已有的标准手持香烟手掌节点分布进行对比，判断当前正在发生的手掌动作是否符合抽烟时的手掌节点位置分布，若是，则识别为抽烟行为，通过目标检测获取人员的感兴趣候选区域，从而减少了不必要的检测，可以使计算资源得到更好得利用；并且，鲁棒性更强，适应各种复杂的场景。适应各种复杂的场景。适应各种复杂的场景。

【技术实现步骤摘要】
一种抽烟行为识别方法及系统


[0001]本专利技术涉及计算机
，具体的，本专利技术涉及一种抽烟行为识别方法及系统。

技术介绍

[0002]得益于近几年来高性能计算和人工智能的高速发展，计算机视觉技术得到了很好的开发和利用。在安全生产领域中，人员的行为属性和规范生产成为一个越来越重要的问题。随着人们的健康意识和安全意识的提升，越来越多的公共场所和生产环境都有明确的禁止吸烟的规定，对于禁烟的检测需求在不断的增加。在学校，车站，办公楼，商场，加油站以及工厂车间是重点禁烟区域。对于这些较为宽阔的区域使用人工的形式进行监督需要大量的人力资源成本，利用现有的监控摄像头和人工智能计算机视觉的技术进行抽烟的监测可以节省大量的人力资源。
[0003]因此，对于目前公共场景下的抽烟监测存在的问题，我们设计了一种利用深度学习建模实现的抽烟行为识别方案。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供了一种抽烟行为识别方法及系统，以解决上述的技术问题。
[0005]本专利技术解决其技术问题所采用的技术方法是：一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抽烟行为识别方法，其特征在于：包括以下的步骤：S1、获取实时视频流，通过深度学习目标检测模型efficientDet对视频流进行计算，获取人员的感兴趣区域，所述感兴趣区域包括手的位置和嘴的位置；S2、通过手部节点模型获取所述感兴趣区域中关节点的位置，并计算关节点位置分布信息；S3、利用所述关节点位置分布信息，和已有的标准手持香烟手掌节点分布进行对比，判断当前正在发生的手掌动作是否符合抽烟时的手掌节点位置分布，若是，则识别为抽烟行为。2.如权利要求1所述的一种抽烟行为识别方法，其特征在于：还包括步骤：S4、将目标检测结果中出现的手持烟的手，与手持其他物品的手或未持有物品的手进行对比，判断当前的动作行为是否为抽烟行为。3.如权利要求1所述的一种抽烟行为识别方法，其特征在于：所述步骤S1中，深度学习目标检测模型efficientDet对视频流进行计算，包括以下的步骤：S101、通过动态可伸缩的卷积神经网络对视频流进行特征提取；S102、将提取到的特征用循环跳跃组合的形式进行融合；S103、对融合的特征进行计算得到目标信息。4.如权利要求3所述的一种抽烟行为识别方法，其特征在于：所述步骤S2，包括以下的步骤：S21、收集大量手掌数据，对该手掌数据，使用自动节点标注方法对其手掌的各个节点进行标注，利用Pixel2Mesh算法将获取到的节点映射到立体空间中；S22、通过SpatialRelationshipNet网络对空间节点数据进行计算，将得到的特征图重新排布；S23、重新排布后的特征图经过全连...

【专利技术属性】
技术研发人员：陈栢钊，段立新，张神力，
申请(专利权)人：深圳天海宸光科技有限公司，
类型：发明
国别省市：