基于红外图像和电子鼻的吸烟行为识别方法技术

本发明专利技术提供一种基于红外图像和电子鼻的吸烟行为识别方法

【技术实现步骤摘要】
基于红外图像和电子鼻的吸烟行为识别方法、装置和设备


[0001]本专利技术涉及室内场所吸烟检测
，尤其涉及基于红外图像和电子鼻的吸烟行为识别方法
、
装置和设备
。

技术介绍

[0002]随着社会对大气污染问题以及个人健康等问题的重视，我国大部分省市已经全面禁止室内场所
(
例如餐饮或娱乐性场所
)
的吸烟行为，然而部分场所仍然不可避免地存在着不少吸烟行为，尤其是在隐蔽的公共场所角落，因此需要有效地监管吸烟行为，来防控室内场所的吸烟行为
。
[0003]目前监管主要依靠人力现场观察吸烟行为以及劝阻等方式，然而人工监测吸烟行为的效率和精度都较低，无法实现真正有效的控烟管理
。
[0004]由此，如何在需要进行控烟管理的相对私密的公共场所，高效实现精准地吸烟行为监测成为了亟待解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术提供一种利用基于红外图像和电子鼻的吸烟行为识别方法
、
装置和设备，能够提高吸烟行为识别的精度和效率
。
[0006]为解决上述技术问题，一方面，本专利技术提供一种基于红外图像和电子鼻的吸烟行为识别方法，包括：获取目标场所内的红外图像以及电子鼻气味数据；获取预先构建的吸烟行为识别模型，吸烟行为识别模型是通过利用多个红外图像样本数据和气味样本数据进行机器学习训练得到的；利用吸烟行为识别模型对红外图像和电子鼻气味数据进行识别处理，得到识别结果，识别结果用于表示目标场所中是否存在吸烟行为
。
[0007]根据本专利技术的一些实施例，吸烟行为识别模型包括气味识别模块
、
燃烟点检测模块和分类网络，利用吸烟行为识别模型对红外图像和电子鼻气味数据进行识别处理，得到识别结果的步骤，包括：将红外图像输入至燃烟点检测模块，得到燃烟点区域特征；将电子鼻气味数据输入至气味识别模块，得到气味特征；将燃烟点区域特征和气味特征输入至分类网络，得到识别结果
。
[0008]根据本专利技术的一些实施例，方法还包括预先训练吸烟行为识别模型，吸烟行为识别模型的训练过程包括：获取多个具有吸烟行为标签的红外图像样本数据以及气味样本数据，吸烟行为标签用于表示吸烟行为的发生情况；构建初始识别模型，初始识别模型包括燃烟点检测模块
、
气味识别模块和分类网络，燃烟点检测模块和气味识别模块分别与分类网络连接；利用红外图像样本数据以及气味样本数据对初始识别模型进行机器学习训练，得到吸烟行为识别模型
。
[0009]根据本专利技术的一些实施例，利用红外图像样本数据以及气味样本数据对初始识别模型进行机器学习训练，得到吸烟行为识别模型的步骤，包括：按照数据采样时间，对红外图像样本数据与气味样本数据匹配组合，得到多组训练样本；利用各组训练样本对初始识
别模型的模型参数进行优化，得到吸烟行为识别模型
。
[0010]根据本专利技术的一些实施例，按照数据采样时间，对红外图像样本数据与气味样本数据匹配组合，得到多组训练样本的步骤，包括：将采样时间相同的红外图像样本数据与气味样本数据匹配组合；或将气味样本数据与对应采样时间之前的预设时间段内的红外图像样本数据匹配组合
。
[0011]根据本专利技术的一些实施例，方法还包括：当识别结果表示目标场所中存在吸烟行为时，获取目标场所的类型；根据目标场所的类型确定对应的报警方式，并根据确定的报警方式进行报警
。
[0012]根据本专利技术的一些实施例，方法还包括：当识别结果表示目标场所中存在吸烟行为时，确定吸烟行为发生的时间；将红外图像
、
电子鼻气味数据和吸烟行为发生的时间进行对应存储
。
[0013]第三方面，本专利技术实施例提供一种吸烟行为识别装置，包括第一获取模块
、
第二获取模块以及识别模块
。
第一获取模块用于获取目标场所内的红外图像以及电子鼻气味数据；第二获取模块用于获取预先构建的吸烟行为识别模型，吸烟行为识别模型是通过利用多个红外图像样本数据和气味样本数据进行机器学习训练得到的；识别模块用于利用吸烟行为识别模型对红外图像和电子鼻气味数据进行识别处理，得到识别结果，识别结果用于表示目标场所中是否存在吸烟行为
。
[0014]第四方面，本专利技术实施例提供一种电子设备，包括：处理器；和存储器，在存储器中存储有计算机程序指令，
[0015]其中，在计算机程序指令被处理器运行时，使得处理器执行上述实施例中的基于红外图像和电子鼻的吸烟行为识别方法
。
[0016]本专利技术的上述技术方案至少具有如下有益效果之一：通过预先构建吸烟行为识别模型，对目标场所的红外图像和电子鼻气味数据进行识别处理，得到目标场所中是否存在吸烟行为的识别结果，实现了吸烟行为的自动识别，不仅节省了大量的人力成本和时间成本，还提高了吸烟行为的识别效率，能够满足日常开展室内控烟成效的专业监测评估和开展控烟监管执法的需求，进而真正的实现高效控烟管理
。
而且通过结合电子鼻采集技术
、
红外成像技术以及机器学习模型，能够进一步提升模型识别能力，从而实现准确地识别室内吸烟行为
。
[0017]进一步地，上述吸烟行为识别方法不仅能够适用于各种公开场所，还能够适用于不便于图像采集来识别吸烟行为的隐私场所，例如卫生间或母婴室等，本实施例只需通过电子鼻设备和红外热成像摄像设备来采集有效数据，进而实现吸烟行为的监测，不会涉及到人员隐私问题，应用的场所范围广泛
。
[0018]进一步地，通过在线实时监测吸烟行为并进行报警，能够精准提醒吸烟者，并协助场所管理人员和相关部门实施精准
、
高效且有据可依的控烟管理，为全面提升部分室内吸烟“重灾区”的控烟管理水平提供了技术支持
。
[0019]进一步地，基于包括气味样本数据和红外图像样本数据的训练样本数据，训练得到吸烟行为识别模型，通过联合使用场所气味样本数据和红外图像样本数据训练吸烟行为识别模型，能够进一步提升模型识别能力，从而达到准确识别室内吸烟行为的发生，以改善公共场所室内发生吸烟行为后难以及时有效进行劝阻
、
执法或处罚的情况
。
[0020]进一步地，通过在室内环境中对香烟样本库中的各个香烟样本进行气味测试，所得到的气味测试数据以及气味标签数据对电子鼻关系模型进行训练，能够优化电子鼻关系模型的模型参数，构建出三维气味特征谱，使得训练得到的气味识别模块能够基于三维气味特征谱实现精确地气味识别，以为下一步吸烟行为识别模型的构建奠定了基础
。
[0021]进一步地，香烟样本库可根据市场香烟种类实时更新，进一步保证气味识别模块的气味识别效果
。
[0022]进一步地，利用主成分分析算法对电子鼻关系模型进行训练，能够分析得到气味标签数据与气味测试数据之间的样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于红外图像和电子鼻的吸烟行为识别方法，其特征在于，包括：获取目标场所内的红外图像以及电子鼻气味数据；获取预先构建的吸烟行为识别模型，所述吸烟行为识别模型是通过利用多个红外图像样本数据和气味样本数据进行机器学习训练得到的；利用所述吸烟行为识别模型对所述红外图像和所述电子鼻气味数据进行识别处理，得到识别结果，所述识别结果用于表示所述目标场所中是否存在吸烟行为
。2.
根据权利要求1所述的基于红外图像和电子鼻的吸烟行为识别方法，其特征在于，所述吸烟行为识别模型包括气味识别模块
、
燃烟点检测模块和分类网络，所述利用所述吸烟行为识别模型对所述红外图像和所述电子鼻气味数据进行识别处理，得到识别结果的步骤，包括：将所述红外图像输入至所述燃烟点检测模块，得到燃烟点区域特征；将所述电子鼻气味数据输入至所述气味识别模块，得到气味特征；将所述燃烟点区域特征和所述气味特征输入至所述分类网络，得到所述识别结果
。3.
根据权利要求1所述的基于红外图像和电子鼻的吸烟行为识别方法，其特征在于，所述方法还包括预先训练所述吸烟行为识别模型，所述吸烟行为识别模型的训练过程包括：获取多个具有吸烟行为标签的红外图像样本数据以及所述气味样本数据，所述吸烟行为标签用于表示吸烟行为的发生情况；构建初始识别模型，所述初始识别模型包括燃烟点检测模块
、
气味识别模块和分类网络，所述燃烟点检测模块和所述气味识别模块分别与所述分类网络连接；利用所述红外图像样本数据以及所述气味样本数据对所述初始识别模型进行机器学习训练，得到所述吸烟行为识别模型
。4.
根据权利要求3所述的基于红外图像和电子鼻的吸烟行为识别方法，其特征在于，所述利用所述红外图像样本数据以及所述气味样本数据对所述初始识别模型进行机器学习训练，得到所述吸烟行为识别模型的步骤，包括：按照数据采样时间，对所述红外图像样本数据与所述气味样本数据匹配组合，得到多组训练样本；利用各组训练样本对所述初始识别模型的模型参数进行优化，得到所述吸烟行为识别模型
。5.
根...

【专利技术属性】
技术研发人员：蔡云飞，陈德，赵卓慧，孙晋，王静，黄凌，
申请(专利权)人：复旦大学，
类型：发明
国别省市：