一种基于低功耗制造技术

本发明专利技术公开了一种基于低功耗

【技术实现步骤摘要】
一种基于低功耗GPU设备的抽烟检测方法及装置


[0001]本专利技术涉及智能烟雾检测
，尤其涉及一种基于低功耗
GPU
设备的抽烟检测方法及装置
。

技术介绍

[0002]现有的抽烟检测多数为传统香烟的吸烟检测，随着电子烟的流行，抽烟方法和握持方式也发生了较大的变化
。
为了使得传统香烟与电子烟抽烟均有较好的检测效果，本专利技术设计了一种基于低功耗
GPU
设备的抽烟检测方法及装置
。
与本专利技术接近的主要还是传统香烟的抽烟检测方式，包括基于烟火传感器的检测
、
香烟图像检测
、
香烟与人体的联合检测
、
连续动作检测
、
视频结合声音的检测
、
基于红外设备的检测
、
基于烟雾的检测等方案
。
下面介绍几种常用的抽烟检测方案的优缺点
。
[0003]基于烟火传感器的检测：此类是日常生活中最常见的烟火报警方式，其安装便捷，成本低廉，但是烟火本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于低功耗
GPU
设备的抽烟检测方法，其特征在于，包括以下步骤：
S1、RGBD
相机将采集到的深度流数据和视频流数据输入至低功耗
GPU
设备；
S2、
低功耗
GPU
设备将视频流数据中的头部位置和深度流数据中的胸腹位置做人体定位操作；
S3、
在头部位置预设区域进行烟雾检测，记录检测到的烟雾区域并计算烟雾扩散图像序列；
S4、
计算胸腹预设区域的深度数据变化情况，提取胸腹区域变化序列；
S5、
构建抽烟行为检测模型，将
S3
中的烟雾扩散图像序列与
S4
中的胸腹区域变化序列输入至抽烟行为检测模型，当模型判断为抽烟行为时，低功耗
GPU
设备产生报警信号
。2.
根据权利要求1所述的一种基于低功耗
GPU
设备的抽烟检测方法，其特征在于，
S2
中的人体定位操作，包括以下步骤：
S201、
数据预处理：对输入图像进行预处理，操作包括但不限于裁剪
、
缩放
、
归一化；
S202、
特征提取：使用两个并行的
CNN
模型，设为第一
CNN
模型和第二
CNN
模型，分别提取身体的不同部位的特征，其中第一
CNN
模型用于提取关键部位包括但不限于头部
、
肩部
、
髋部和膝关节的特征，第二
CNN
模型用于提取手部和脚部的特征；
S203、PAF
计算：计算图像中每个像素与相邻像素之间的向量关系，确定人体的关节位置；
S204、
姿态估计：进行全身姿态估计，利用第三
CNN
模型计算每个像素对应的关节点的概率，根据概率计算出每个关节点的位置，使用几何规则和阈值来连接关节点的位置，形成全身姿态估计结果；
S205、
结果输出：将全身姿态估计结果输出为关键点坐标
、
关节角度信息
。3.
根据权利要求1所述的一种基于低功耗
GPU
设备的抽烟检测方法，其特征在于，
S3
中，计算烟雾扩散图像序列中，包括以下步骤：
S301、
令鼻子特征点为
P0、
右眼点为
P
15
、
左眼点为
P
16
、
右耳点为
P
17
、
左耳点为
P
18
，当人体特征点检测到这5个点中任意3个点以上的时候，取点集的最小外接矩形作为人体头部区域，取3倍头部区域大小作为烟雾扩散图像区域；
S302、
在
RGB
视频流中，令鼻子点
P0坐标为
(x0,y0)
；令右眼点
P
15
坐标为
(x
15
,y
15
)
；令左眼点
P
16
坐标为
(x
16
,y
16
)
；令右耳点
P
17
坐标为
(x
17
,y
17
)
；令左耳点
P
18
坐标为
(x
18
,y
18
)
；若特征点不存在，将对应特征点的
x
和
y
坐标均赋值为
‑1；
S303、
在人体骨骼特征点
P0、P
15
、P
16
、P
17
、P
18
中设最小的
x
坐标为
Min_x
＝
min(x0,x
15
,x
16
,x
17
,x
18
)
，最小的
y
坐标为
Min_y
＝
min(y0,y
15
,y
16
,y
17
,y
18
)
，最大的
x
坐标为
Max_x
＝
max(x0,x
15
,x
16
,x
17
,x
18
...

【专利技术属性】
技术研发人员：谢晨，潘今一，罗永强，刘雪勇，苗荣强，孙炎龙，汤安平，谭锦荣，冷喜明，张伟，俞斌，周波，
申请(专利权)人：佛山弘视智能信息科技有限公司，
类型：发明
国别省市：