System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种基于视频监控的吸烟行为检测方法,同时也涉及基于视频监控的吸烟行为检测装置,属于消防安全。
技术介绍
1、吸烟行为除了影响身体建康以外,还存在引发火灾的潜在风险,严重者会造成巨大的人员伤亡和经济损失。因此,禁止公共场所的吸烟行为,并对公共场所的吸烟行为进行严格监管是一项非常重要的工作,特别是施工工地这种人流量大、易燃易爆物多的特殊公共场所。据国家应急管理局的调查显示,每年30%的施工工地火灾与工人吸烟行为相关,因此,实时准确的监测包括施工工地在内的公共场所的吸烟行为刻不容缓。
2、在现有技术中,除人工监控吸烟行为以外,通常采用烟雾传感器和视频监控二种技术方案对吸烟行为进行自动监控。由于烟支燃烧的烟雾浓度低、发散速度快,以及其他漂浮的微小粒子对传感器的影响,造成烟雾传感器检测的准确率下降,对吸烟行为的识别效果不理想。而现有的视频监控技术方案,由于人体定位与检测算法准确率低,对异常行为监测的建模分析不当,使视频监控的检测准确率不高。
3、在申请号为202210502676.5的中国专利申请中,公开了一种基于监控视频的吸烟行为检测方法。该检测方法包括如下步骤:利用视频监控系统获取视频图像;利用改进的yolov5检测网络,对图像中的人头和人手进行检测;计算人手与人头间的距离,截取距离小于设定阈值时的嘴部区域和手部区域;利用卷积神经网络对截图进行烟支检测,判断并输出吸烟行为检测结果。该检测方法容易将捂脸、捂嘴等动作误检为吸烟行为,而且yolov5检测网络对吸烟等小目标的错检、漏检也较多。
r/>技术实现思路
1、本专利技术所要解决的首要技术问题在于提供一种基于视频监控的吸烟行为检测方法。
2、本专利技术所要解决的另一技术问题在于提供一种基于视频监控的吸烟行为检测装置。
3、为了实现上述目的,本专利技术采用以下的技术方案:
4、根据本专利技术实施例的第一方面,提供一种基于视频监控的吸烟行为检测方法,包括如下步骤:
5、(1)获取现场的监控视频;
6、(2)提取hsv颜色特征,筛选出视频图像中的疑似烟支区域;
7、(3)截取监控视频的视频帧中疑似包含烟支的时间序列图像;
8、(4)利用vibe算法提取包含烟支和人体的前景目标图像;
9、(5)根据所述前景目标图像中人体姿势周期性变化规律,识别吸烟动作;
10、(6)对于检测出来的吸烟行为发出报警。
11、其中较优地,步骤(2)包括如下子步骤:
12、(21)利用灰度世界算法校正图像;
13、(22)将图像从rgb颜色空间转换到hsv颜色空间;
14、(23)根据hsv的阈值分割模型,检测出包含烟支的图像。
15、其中较优地,步骤(21)包括如下子步骤:
16、(211)计算通道间灰度比βrg、βrb、βgb:
17、
18、其中,avgr、avgg、avgb分别为图像的r、g、b三通道的灰度平均值;
19、(212)判断所述通道间灰度比值的范围;若所述通道间灰度比βrg、βrb、βgb的值均落入预设区间中,则该图像无需处理;否则,转入一下步骤进行调整计算;
20、(213)计算r、g、b三通道的调节系数kr、kg、kb:
21、kr=avgi/avgr
22、kg=avgi/avgg
23、kb=avgi/avgb
24、其中,avgi=(avgr+avgg+avgb)/3,为图像的灰度平均值;
25、(214)调整每个像素点的r、g、b值,调整计算方法如下:
26、p(r’)=kr×p(r)
27、p(g’)=kg×p(g)
28、p(b’)=kb×p(b)
29、其中,p(r)、p(g)、p(b)分别为像素点原有的r、g、b值。
30、其中较优地,步骤(4)包括如下子步骤:
31、(41)背景模型的初始化;
32、(42)提取视频的前景目标图像;
33、将某点像素值放入到二维空间中,计算该点与所述背景模型中暂存的n个像素值之间的相似度;当该相似度大于相似度阈值时,则该像素点为背景点;反之,该像素点为前景点;
34、(43)更新背景图像;
35、采用无记忆背景更新策略,对背景像素的样本集进行替换更新,不会对前景像素点进行处理。
36、其中较优地,所述相似度的计算方法如下:
37、分别计算某一像素点到背景模型中暂存的n个像素点之间的欧式距离,若该欧式距离小于等于距离阈值,则二者相似;反之,若该欧式距离大于距离阈值,则二者不相似;将其中相似的像素点的个数相加得到该点的相似度。
38、其中较优地,步骤(5)包括如下子步骤:
39、(51)提取关节点组成肢体,实时获取多人姿态信息;
40、(52)多人姿态轨迹追踪,识别人体手部周期性动作的变化规律;
41、(53)根据人体手部周期性动作信息识别吸烟者。
42、其中较优地,步骤(51)包括如下子步骤:
43、(511)采用非最大值抑制方法来计算关节点的像素峰值如下:
44、
45、其中,sj,k表示k人肢体j每个关节点热图的峰值,δ为控制峰值扩散,xj,k表示k人肢体j的实际位置,p表示k人肢体j在图中的位置;
46、(512)选取关节点的所述像素峰值中的最大值作为关节点信息;
47、(513)采用部分亲和度场的方法对产生的多个所述关节点信息进行肢体配对。
48、其中较优地,步骤(53)包括如下子步骤:
49、(531)将坐标归一化处理,使人体各部位的位置关系及距离不受人与摄像头距离远近影响;
50、(532)设定人体手部与鼻子的距离阈值,设定一次吸烟的周期时长阈值;
51、(533)计算手部与鼻子的最大距离区间:
52、采用最小二乘法对吸烟时间和手部与鼻子的距离的变化曲线进行拟合,得到关于时间与距离的拟合二次函数如下:
53、
54、其中,分别是拟合后的距离与时间,μ、λ、θ均为常数;
55、根据拟合二次函数求出手部与鼻子的最大距离区间为:
56、
57、其中,d1为开始计时时的手部与鼻子的距离;
58、(534)一次周期性吸烟动作检测;
59、将某时刻检测到的某人手部与鼻子的距离与距离阈值进行比较判断,若检测到某人手部与鼻子的距离小于等于距离阈值时,对此人进行周期性吸烟动作检测。
60、其中较优地,所述周期性吸烟动作的检测方法是:
61、开始计时,持续观察某人手部与鼻子的距离,当该距离开始增加,并且之后连续几本文档来自技高网...
【技术保护点】
1.一种基于视频监控的吸烟行为检测方法,其特征在于包括如下步骤:
2.如权利要求1所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(2)包括如下子步骤:
3.如权利要求2所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(21)包括如下子步骤:
4.如权利要求1所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(4)包括如下子步骤:
5.如权利要求4所述的基于视频监控的吸烟行为检测方法,其特征在于所述相似度的计算步骤如下:
6.如权利要求1所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(5)包括如下子步骤:
7.如权利要求6所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(51)包括如下子步骤:
8.如权利要求6所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(53)包括如下子步骤:
9.如权利要求8所述的基于视频监控的吸烟行为检测方法,其特征在于所述周期性吸烟动作的检测步骤包括:
10.一种基于视频监控的吸烟行为检测装置,其特征在于包括处理器和存储器
...【技术特征摘要】
1.一种基于视频监控的吸烟行为检测方法,其特征在于包括如下步骤:
2.如权利要求1所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(2)包括如下子步骤:
3.如权利要求2所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(21)包括如下子步骤:
4.如权利要求1所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(4)包括如下子步骤:
5.如权利要求4所述的基于视频监控的吸烟行为检测方法,其特征在于所述相似度的计算步骤如下:
6.如权利要求1所述的基于视频监控的吸烟行为检测方法,其特征在于步骤(5)包括如下子...
【专利技术属性】
技术研发人员:彭蜀松,
申请(专利权)人:瞬联软件科技北京有限公司,
类型:发明
国别省市:
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。