一种基于改进YOLOv8的公共场所吸烟检测方法技术

一种基于改进YOLOv8的公共场所吸烟检测方法，该发明专利技术对商场中监控视频的吸烟行为进行检测，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，改进后YOLOv8模型，解决了误检率高和准确性低等问题。包括以下步骤：S1、采集吸烟图像形成数据集，使用Labellmg标注图像，划分数据集；S2、采用YOLOv8模型，同时增加小目标检测层；S3、改进YOLOv8骨干网络，用轻量化网络MobileNetV3代替Darknet53；S4、为YOLOv8模型的Neck中引入注意力机制CBAM；S5、优化损失函数，将CIoU替换为EIoU；S6、基于预设的测试集输入到训练好的改进的YOLOv8模型中，对每一张图像进行检测，得到目标检测结果。本发明专利技术通过改进YOLOv8模型提升了准确率、检测速度和精度。检测速度和精度。检测速度和精度。

【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]为了解决上述问题，本专利技术提供了一种基于改进YOLOv8的公共场所吸烟检测方法。应用基于深度神经网络的对象识别和定位的YOLOv8算法并加以改进，解决商场监控视频中的吸烟检测行为误检率高和准确率低的问题。
[0005]本专利技术的技术解决方案是这样实现的：
[0006]一种基于改进YOLOv8的公共场所吸烟检测方法，包括如下步骤：
[0007]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；
[0008]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；
[0009]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
×
1卷积降维、3
×
3卷积和1
×
1卷积升维变成1
×
1卷积升维，3
×
3卷积和1
×
1卷积降维变成中间宽两头窄的结构，提升通道数，降低计算量；引入注意力机制SE，对重要通道赋予较大权重，对不重要通道赋予较小权重，提高任务处理效率和准确性；轻量化后的YOLOv8模型计算量更小，准确率更高；
[0010]S4、为YOLOv8模型的Neck中引入注意力机制CBAM，CBAM模块依次从通道和空间两个不同的维度推算注意力图，Neck中引入注意力机制CBAM后，重点关注香烟信息，忽略其他无用信息，特征覆盖到香烟的更多位置，准确率得到提升；
[0011]S5、优化损失函数，将CIoU替换为EIoU的损失函数，CIoU的纵横比存在一定模糊，EIoU在CIoU的基础上分别计算宽和高的差异值取代纵横比，同时引入Focal
‑
Loss解决样本不平衡问题；
[0012]S6、基于预设的测试集输入到训练好的改进的YOLOv8模型中，对每一张图像进行检测，得到目标检测结果。
[0013]与现有技术比较，本专利技术具有如下特点：
[0014]1、增加了小目标检测层，解决香烟尺寸小导致的误检率高的问题；
[0015]2、改进YOLOv8骨干网络，用轻量化网络MobileNetV3代替Darknet53，减少了参数和计算量；
[0016]3、引入注意力机制CBAM，对香烟有关信息赋予更多权重参数，提升了准确性；
[0017]4、实现监控视频中的吸烟行为实时进行监测；
[0018]5、对损失函数改进，将CIoU替换为EIoU，解决样本不平衡问题。
附图说明
[0019]本专利技术共有附图2幅。
[0020]图1是本专利技术的YOLOv8整体网络架构结构图；
[0021]图2是本专利技术的改进的YOLOv8整体网络架构结构图。
具体实施方式
[0022]如图1、2所示的一种基于改进YOLOv8的公共场所吸烟检测方法，包括如下步骤：
[0023]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；
[0024]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；
[0025]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
×
1卷积降维、3
×
3卷积和1
×
1卷积升维变成1
×
1卷积升维，3
×
3卷积和1
×
1卷积降维变成中间宽两头窄的结构，提升通道数，降低计算量；引入注意力机制SE，对重要通道赋予较大权重，对不重要通道赋予较小权重，提高任务处理效率和准确性；轻量化后的YOLOv8模型计算量更小，准确率更高；
[0026]S4、为YOLOv8模型的Neck中引入注意力机制CBAM，CBAM模块依次从通道和空间两
个不同的维度推算注意力图，Neck中引入注意力机制CBAM后，重点关注香烟信息，忽略其他无用信息，特征覆盖到香烟的更多位置，准确率得到提升；
[0027]S5、优化损失函数，将CIoU替换为EIoU的损失函数，CIoU的纵横比存在一定模糊，EIoU在CIoU的基础上分别计算宽和高的差异值取代纵横比，同时引入Focal
‑
...

【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
...

【专利技术属性】
技术研发人员：刘丽娟，张澳，
申请(专利权)人：大连交通大学，
类型：发明
国别省市：