一种工业场景监控视频中吸烟行为检测方法及系统技术方案

本发明专利技术公开了一种工业场景监控视频中吸烟行为检测方法及系统，采用度量学习与温度检测相结合的方式，采用了度量学习中提取特征、计算距离得到目标分类的方式，使用TransReID神经网络作为特征提取网络提取吸烟动作和香烟结合的特征，使用了自注意力机制，可以更好地提取特征，能够准确地识别吸烟行为，克服了传统吸烟检测方法的缺陷。通过建立模版库的方式，将待检测的工人图像帧的特征图与模版库中的特征图进行模板匹配，能够提高对吸烟动作判断的准确率。断的准确率。断的准确率。

【技术实现步骤摘要】
一种工业场景监控视频中吸烟行为检测方法及系统


[0001]本专利技术属于目标检测领域，更具体地，涉及一种工业场景监控视频中吸烟行为检测方法及系统。

技术介绍

[0002]吸烟有害健康，污染空气，造成他人被动吸烟，并且在工业场景中，吸烟或是随意丢弃烟头，会带来极大的安全隐患，容易造成火灾等事故。但目前生产实践中主要还需要人力去巡检，进行吸烟检测，需要耗费大量人力物力，并且效率低，无法及时发现安全隐患。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下的吸烟检测上，然而由于检测准确率不高，目前的应用还不够广泛。
[0003]机器视觉检测技术作为当今工业中的一项重要技术，被广泛应用于各大领域。随着技术的发展，现有的吸烟检测算法中，有基于图像进行吸烟检测，使用各种目标检测算法，如SSD算法、Faster RCNN算法以及YOLO算法等，发现点燃的香烟会进行吸烟提示报警。然而常见的检测方案无法满足实时性，消耗的资源成本也很高。而且在复杂的工业场景下，由于复杂背景的干扰以及监控视频中香烟通常属于小目标，传统检测算法很容易产生对香烟目标的误检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业场景监控视频中吸烟行为检测方法，其特征在于，包括：S1，采用工人图像数据集训练TransReID网络；其中，所述工人图像数据集包括工人头部、手部及全身图像，为对工业场景监控视频中的各图像帧进行目标检测得到；对所述工人图像数据集进行吸烟与否标注后，输入至训练好的TransReID网络得到相应的特征图，将其作为特征库；S2，对待检测的工人图像帧进行目标检测得到目标工人头部、手部及全身图像，将其输入至训练好的TransReID网络，得到待分类的工人头部、手部及全身特征图；S3，确定所述待检测的工人图像帧区域存在点燃香烟的概率p1＝max(P(c|T
i
)；其中，P(c|T
i
)为所述目标工人头部、手部及全身图像的第i个像素点的温度值对应为点燃香烟温度的概率，P(T
i
|c)为点燃香烟测温结果为T
i
的概率，P(c)为出现点燃香烟的概率，P(T
i
)为测温时温度T
i
的出现概率；从所述特征库中确定出与所述待分类的工人头部、手部及全身特征图距离最近的前M个工人头部、手部及全身特征图，并分别将其中具有吸烟标记的头部、手部及全身特征图数量除以M，得到所述待检测的工人图像帧的头部、手部及全身区域存...

【专利技术属性】
技术研发人员：于俊清，王舒心，席文智，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：