基于深度学习的实时吸烟检测算法

摘要：

在公共场所内吸烟,不仅对自身、他人身体健康造成潜在的危害,还存在造成火灾等现象的隐患.因此,出于健康和安全方面的考虑,为机场、加油站、化工仓库等严禁吸烟的场所,设计了一种基于深度学习的能快速发现和警告吸烟行为的检测模型.该模型使用卷积神经网络对摄像头所拍摄的视频流输入帧进行处理,经过图像特征提取、特征融合、目标分类以及目标定位等过程,定位烟头的位置,进而判断出吸烟行为.常见的目标检测算法针对小目标物体检测效果不甚理想,检测速度亦有待提高.通过设计的一系列卷积神经网络模块,不但减少了模型计算量,加快了推演速度,满足实时性要求,而且提高了小目标物体(烟头)检测准确率.此外,运用了一些模型训练的技巧,提升了模型的鲁棒性.由于缺乏现有数据集,自制了一个与吸烟行为相关的数据集.对比实验证明了提出的算法在本数据集以及一些公开数据集上有着更好的检测效果.

关键词：计算机视觉、微型目标检测、实时性、吸烟检测、鲁棒性

所属期刊栏目：15

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金62072465

在线出版日期：2021-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：327-337