【技术实现步骤摘要】
一种基于改进YOLOv8的公共场所吸烟检测方法
[0001]本专利技术涉及一种吸烟检测方法,尤其涉及一种基于改进YOLOv8的公共场所吸烟检测方法。属于计算机视觉
技术介绍
[0002]目标检测是计算机视觉领域中重要的应用方向,用于检测图像和视频中特定类别的语义对象,广泛应用于人脸识别、智慧交通、医疗诊断和安防监控等领域。吸烟检测作为安防监控领域重点研究内容,目的在于快速而准确地识别和定位吸烟位置、记录检测结果,协助及时发出吸烟警报。事实证明,在公共场所吸烟所带来的的危害不容小觑,不仅对他人健康产生影响、还可能引发火灾、污染空气等问题,这是一个亟待解决的公共卫生问题,所以对吸烟检测方法的研究有极其重要的现实意义。因为吸烟检测属于小目标检测,在图像中所占的比例小,同时颜色与周围环境颜色难区分,难以捕捉,所以漏检率高、误检率高。
[0003]传统的吸烟检测方法有基于烟雾浓度的烟雾传感器检测、基于取样分析指标的生物检测、基于视觉的监控系统检测等,这些方法准确率低,耗时长。
技术实现思路
[0004 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进YOLOv8的公共场所吸烟检测方法,其特征在于,包括如下步骤:S1、采集吸烟图像形成数据集,使用Labellmg标注图像,划分数据集,吸烟图像指监测环境中监控视频对吸烟行为进行检测标注的图像,吸烟行为包括嘴上叼香烟并呼出香烟的烟雾,手中持有点燃的香烟;S2、采用YOLOv8模型,同时增加小目标检测层,原来Neck模块上继续C2f模块和上采样等操作,将获取到的特征图与骨干网络的第一层特征图进行特征融合卷积,得到大小为160*160的特征图;对上述得到的特征图与骨干网络的第二层特征图进行特征融合卷积,以此获得80*80的特征图。由于香烟尺寸太小,YOLOv8下采样倍数大,原有特征图很难识别到到香烟的特征信息,而改进后的YOLOv8增加了大小为160*160的小目标检测层,解决了香烟不易检测的问题,降低了误检率,提高了检测效果;S3、改进YOLOv8骨干网络,用轻量化网络MobileNetV3代替Darknet53网络,具体是把YOLOv8中的C2f和部分Cnov替换成Bneck,轻量化后的YOLOv8模型,采用深度可分离卷积,减少了计算量;采用逆残差结构,由原来的1
...
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。