一种基于YoLov5的抽烟行为检测方法技术

本申请涉及一种基于YoLov5的抽烟行为检测方法，其包括：通过设置的摄像头进行拍摄获取实时的监控画面；对原YoLov5网络进行改进获取改进YoLov5网络；通过改进YoLov5网络检测监控画面中的司机面部位置与烟头位置；对监控画面中司机进行手势检测获取司机手势；基于烟头位置、司机面部位置与司机手势检测获取抽烟行为特征，以检测是否存在抽烟行为。本申请具有通过YoLov5网络从司机面部位置、烟头位置与司机手势等方面的组合判断司机是否存在有抽烟行为，使对运输人员在运输过程中的抽烟行为进行检测的效果。行检测的效果。行检测的效果。

【技术实现步骤摘要】
一种基于YoLov5的抽烟行为检测方法


[0001]本申请涉及道路交通安全领域，尤其是涉及一种基于YoLov5的抽烟行为检测方法。

技术介绍

[0002]根据中华人民共和国道路交通管理条例的规定，驾驶人在行车时不能进行抽烟、吃零食、和别人闲谈等一系列可能带来隐患的事情在道路安全交通的规范中，通常是禁止公共交通或者企业物流运输人员在工作场景下抽烟驾驶的，然而汽车运输的自由性较高，场景随机，因此使用人力监督劝导的方式效率非常低下，因此采用人工智能算法检测抽烟行为进行监督是非常有必要的。

技术实现思路

[0003]为了使对运输人员在运输过程中的抽烟行为进行检测，本申请提供一种基于YoLov5的抽烟行为检测方法。
[0004]本申请提供的一种基于YoLov5的抽烟行为检测方法采用如下的技术方案：一种基于YoLov5的抽烟行为检测方法，包括：通过设置的摄像头进行拍摄获取实时的监控画面；对原YoLov5网络进行改进获取改进YoLov5网络；通过所述改进YoLov5网络检测所述监控画面中的司机面部位置与烟头位置；对所述监控画面中司机进行手势检测获取司机手势；基于所述烟头位置、所述司机面部位置与所述司机手势检测获取抽烟行为特征，以检测是否存在抽烟行为。
[0005]通过采用上述技术方案，通过设置的摄像头进行拍摄获取实时的监控画面，以能实时对司机进行拍摄；对原YoLov5网络进行改进获取改进YoLov5网络，使增加对小目标的捕捉效果；通过改进YoLov5网络检测监控画面中的司机面部位置与烟头位置，对监控画面中司机进行手势检测获取司机手势，使分别从司机面部位置、烟头位置与司机手势等方面的组合判断司机是否存在有抽烟行为，使对运输人员在运输过程中的抽烟行为进行检测。
[0006]可选的，所述对原YoLov5网络进行改进获取改进YoLov5网络，包括：在所述原YoLov5网络增加用于小目标检测的anchor；基于需求扩大所述原YoLov5网络的特征图；持续对所述特征图进行采样并加入SE单元以获取所述改进YoLov5网络。
[0007]通过采用上述技术方案，通过增加用于小目标检测的anchor与扩大的特征图，使增加特征的捕捉效果。
[0008]可选的，所述通过所述改进YoLov5网络检测所述监控画面中的司机面部位置，包括：基于所述改进YoLov5网络在所述监控画面中获取司机面部的锚框；
基于所述锚框对司机面部特征图进行扩大，并增加网络层；对包含司机面部的锚框进行卡尔曼滤波预测并更新边界框。
[0009]通过采用上述技术方案，使获取监控画面中司机面部的图像并通过卡尔曼滤波降低噪声干扰。
[0010]可选的，所述通过所述改进YoLov5网络检测所述监控画面中的司机面部位置，还包括：对所述锚框进行设置，以使摄像头中心位置为司机面部图像。
[0011]通过采用上述技术方案，使降低副驾对司机的影响。
[0012]可选的，所述通过所述改进YoLov5网络检测所述监控画面中的烟头位置，包括：在所述原YoLov5网络的anchors上增加用于香烟烟头检测的anchor，并增加烟头检测的网络层，以通过所述改进YoLov5网络检测所述监控画面中的烟头位置；在所述改进YoLov5网络的特征提取网络的最后加入所述SE单元。
[0013]通过采用上述技术方案，通过增加的用于香烟烟头检测的anchor与增加的烟头检测的网络层，增加对烟头小目标的检测效果。
[0014]可选的，所述对所述监控画面中司机进行手势检测获取司机手势，包括：设置手势识别模型，收集抽烟手掌高举接近头部作为识别特征，区分一般情况下的司机手势的差异；通过训练图片训练手势识别模型，以基于所诉手势识别模型识别出所述监控画面中司机的抽烟手势。
[0015]通过采用上述技术方案，使通过手势识别模型对监控画面中司机的抽烟手势进行识别，并使其能区分出一般情况下的司机手势。
[0016]可选的，所述设置手势识别模型，收集抽烟手掌高举接近头部作为识别特征，区分一般情况下的司机手势的差异，包括：使用编码结构进行语义分割，并采用分类网络进行分类以训练手势识别模型；以上半身中左眼、右眼、左耳、右耳、左肩、右肩为关键点，收集抽烟手掌高举接近头部作为识别特征，区分抽烟手势的差异。
[0017]通过采用上述技术方案，使通过语义分割以及分类网络进行分类以训练手势识别模型。
[0018]可选的，所述基于所述烟头位置、所述司机面部位置与所述司机手势检测获取抽烟行为特征，包括：将基于监控画面的非结构数据进行结构转化并进行数据归一化；通过EfficientNet模型对进行了结构化和归一化的数据进行抽烟行为判定、姿态判断与外观特征判定获取判定分数；根据所述判定分数决定最终检测结果。
[0019]通过采用上述技术方案，通过EfficientNet模型对识别出的烟头位置、司机面部位置与司机手势这三者的结合来进行抽烟检测的判定。
[0020]可选的，所述通过EfficientNet模型对进行了结构化和归一化的数据进行抽烟行为判定、姿态判断与外观特征判定获取判定分数，之后还包括：通过逻辑行为检测对所述数据进行筛选；
筛选完成后对疑似目标进行截图，并将截图的疑似目标送入基于EfficientNet模型的二分类模型；通过基于EfficientNet模型的二分类模型将所述疑似目标的序列截图后获取判定分数。
[0021]通过采用上述技术方案，通过EfficientNet模型与二分类模型时提高最终的检测效果。
[0022]综上所述，本申请包括以下至少一种有益技术效果：1.采用YoLov5网络分别从司机面部位置、烟头位置与司机手势等方面的组合判断司机是否存在有抽烟行为，进行多融合目标检测，使对运输人员在运输过程中的抽烟行为进行检测；2.对YoLov5网络进行了改进，增加了对烟头等小目标的捕捉效果；3.采用EfficientNet模型与二分类模型进行外观分析流程与逻辑行为检测，以增加检测效果。
附图说明
[0023]图1是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图2是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图3是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图4是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图5是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图6是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图7是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图；图8是本申请其中一实施例一种基于YoLov5的抽烟行为检测方法其中一种实施方式的流程框图。
具体实施方式
[0024]以下结合附图对本申请作进一步详细说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YoLov5的抽烟行为检测方法，其特征在于，包括：通过设置的摄像头进行拍摄获取实时的监控画面；对原YoLov5网络进行改进获取改进YoLov5网络；通过所述改进YoLov5网络检测所述监控画面中的司机面部位置与烟头位置；对所述监控画面中司机进行手势检测获取司机手势；基于所述烟头位置、所述司机面部位置与所述司机手势检测获取抽烟行为特征，以检测是否存在抽烟行为。2.根据权利要求1所述的一种基于YoLov5的抽烟行为检测方法，其特征在于，所述对原YoLov5网络进行改进获取改进YoLov5网络，包括：在所述原YoLov5网络增加用于小目标检测的anchor；基于需求扩大所述原YoLov5网络的特征图；持续对所述特征图进行采样并加入SE单元以获取所述改进YoLov5网络。3.根据权利要求2所述的一种基于YoLov5的抽烟行为检测方法，其特征在于，所述通过所述改进YoLov5网络检测所述监控画面中的司机面部位置，包括：基于所述改进YoLov5网络在所述监控画面中获取司机面部的锚框；基于所述锚框对司机面部特征图进行扩大，并增加网络层；对包含司机面部的锚框进行卡尔曼滤波预测并更新边界框。4.根据权利要求3所述的一种基于YoLov5的抽烟行为检测方法，其特征在于，所述通过所述改进YoLov5网络检测所述监控画面中的司机面部位置，还包括：对所述锚框进行设置，以使摄像头中心位置为司机面部图像。5.根据权利要求2所述的一种基于YoLov5的抽烟行为检测方法，其特征在于，所述通过所述改进YoLov5网络检测所述监控画面中的烟头位置，包括：在所述原YoLov5网络的anchors上增加用于香烟烟头检测的anchor，并增加烟头检测的网络层，以通过所述改进YoLov5网络检测所述监控画面中的烟头位置；在所述改进Yo...

【专利技术属性】
技术研发人员：朱一峰，郑涛，陈进，雍剑书，朱剑，施文杰，姜福涛，朱立峰，徐黎军，陈文伟，施彬，张弘弦，陈佳琦，郑延斌，覃兆安，
申请(专利权)人：嘉兴恒创电力集团有限公司，
类型：发明
国别省市：