CN110490090A - 基于智慧社区的吸烟检测方法、系统及其存储介质 - Google Patents
基于智慧社区的吸烟检测方法、系统及其存储介质 Download PDFInfo
- Publication number
- CN110490090A CN110490090A CN201910689867.5A CN201910689867A CN110490090A CN 110490090 A CN110490090 A CN 110490090A CN 201910689867 A CN201910689867 A CN 201910689867A CN 110490090 A CN110490090 A CN 110490090A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- judging result
- source images
- smoking
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于智慧社区的吸烟检测方法，包括：通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；根据第一判断结果以及第二判断结果，得到最终检测结果。有效的提高了智慧社区中针对住户在非禁烟区域吸烟检测的精确度，减小了误判率。
Description
技术领域
本发明实施例涉及智慧社区领域，尤其涉及一种社区吸烟管控方法、系统及计算机存储介质。
背景技术
随着时代的发展，人们越发的注重生活质量，智慧社区也随之开始发展。智慧社区是社区管理的一种新理念，是新形势下社会管理创新的一种新模式。智慧社区是指充分利用物联网、云计算、移动互联网等新一代信息技术的集成应用，为社区居民提供一个安全、舒适、遍历的现代化、智慧化生活环境，从而形成基于信息化、只能化社会管理与服务的一种新的管理形态社区。
现有社区中出于防范火灾的考虑，会分为吸烟区以及禁烟区域。但往往部门住户不知道小区规划或无视小区规定，在禁烟区域进行吸烟行为，其所可能产生的火星或烟灰容易点燃周围花草植物，形成火灾。
在进行禁烟区域的吸烟监控步骤中，势必涉及对吸烟行为或吸烟特征的判断，而现有技术中对吸烟特征的图像识别方法精确度较低，容易出现误判断现象。
发明内容
为解决上述问题，本发明实施例提供了一种基于智慧社区的吸烟检测方法，包括以下步骤：
通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；
对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；
利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；
对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；
根据第一判断结果以及第二判断结果，得到最终检测结果。
优选的，所述利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对的步骤包括：
利用预置的训练样本对所述热图像集合中首序图像进行像素区域遍历，完成待校验区域的快速锁定；
将待校验区域与所述训练样本进行详细特征比对，得到比对结果；
对所述热图像集合中的其余图像进行相同处理，得到比对结果集合；
对所述比对结果集合进行数据检测，得到第一判断结果。
优选的，所述对所述比对结果集合进行数据检测，得到第一判断结果的步骤包括：
遍历所述比对结果集合的元素数值，若存在大于预设阈值的元素数值，则判断所述热图像集合中存在包含香烟燃烧特征的图像数据。
优选的，所述对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果的步骤包括：
调取所述热图像处理中的待校验区域位置，寻找源图像中相同位置区域作为香烟燃烧部位；
根据所述源图像中所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果。
优选的，所述根据所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果的步骤包括：
对所述源图像中所述香烟燃烧部位像素各通道值进行遍历，将红色通道值为200～255和红色通道值为200～255且绿色通道值为200～255的像素作为燃烧像素，将三通道值均为200～255的像素作为烟灰像素；
统计所述燃烧像素以及所述烟灰像素的总个数，判断两者个数比例是否符合预设阈值，若符合，则判定源图像符合正常香烟燃烧特征。
优选的，所述根据所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果的步骤还包括：
利用预置的像素方块对所述源图像中所述香烟燃烧部位进行贴合，计算所述贴合区域像素的方差值，依次以相同方法遍历所述香烟燃烧部位的所有区域，得到方差值集合，对所述方差值进行数值校验，若数值校验通过概率大于预设阈值，则判定所述源图像符合正常香烟燃烧特征。
优选的，所述根据第一判断结果以及第二判断结果，得到最终检测结果的步骤包括：
若所述第一判断结果以及所述第二判断结果均为真，则判断禁烟区域存在人员吸烟行为；
若否，则继续跟进监测。
优选的，所述根据第一判断结果以及第二判断结果，得到最终检测结果的步骤之前，还包括：
根据预设的权重系数对所述第一判断结果以及所述第二判断结果赋予权重值；
检测所述香烟燃烧部位边缘区域是否存在呈灰色的长方体像素块，若包含，则提高所述第二判断结果对应权重值；
根据所述第一判断结果的权重值以及第二判断结果的权重值，判断所述禁烟区域是否存在人员吸烟行为。
本发明实施例还提供一种吸烟检测系统，包括：
存储模块，用于通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；
热图像模块，用于对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；
第一判断模块，用于利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；
第二判断模块，用于对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；
第三判断模块，用于根据第一判断结果以及第二判断结果，得到最终检测结果。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储由计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行所述的基于智慧社区的吸烟检测方法的步骤。
本发明实施例所提供的基于智慧社区的吸烟检测方法，通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；根据第一判断结果以及第二判断结果，得到最终检测结果，有效的提高了吸烟检测的精确度，减小了误判率。
附图说明
图1为本发明所提供的基于智慧社区的吸烟检测方法的步骤流程图；
图2为本发明提供的基于智慧社区的吸烟检测方法中步骤300的流程示意图；
图3为本发明提供的基于智慧社区的吸烟检测方法中步骤400的流程示意图；
图4为本发明提供的基于智慧社区的吸烟检测方法中步骤410的流程示意图；
图5为本发明提供的一种吸烟检测系统的程序模块示意图；
图6为本发明计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅处于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述指定关键字，但指定关键字不应限于这些术语。这些术语仅用来将指定关键字彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一指定关键字也可以被称为第二指定关键字，类似地，第二指定关键字也可以被称为第一指定关键字。
取决于语境，如在此所使用的词语“如果”可以被解释称为“在……时”或“当……时”或“相应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或时间)”可以被解释成“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
请参考图1，本发明实施例提供一种基于智慧社区的吸烟检测方法，包括：
步骤S100通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储。
现有的智慧社区，通常会在花园四周各个位置放置监控设备，用于多种功能例如安全监控等功能，相对应的，智慧社区中所有监控设备都有一个控制中心，各个监控设备通过地下走线连接至控制中心，监控中心通常放置在物业中心、总控制室，或者根据社区建设者针对实际建设环境进行另外的单独放置，本发明不对此做出限定
在执行本发明技术方案初期步骤便是与社区监控设备建立连接，向社区监控设备网络或各监控设备发送握手测试，待对方反馈正确信号便完成与社区监控设备网络或各监控设备的连接建立。
随后开始通过社区的监控设备获取禁烟区域的图像数据。通常社区中包含可吸烟区域和禁烟区域，禁烟区域的设立初衷通常为，花园某些区域绿化量大，某些住户在此抽烟容易点燃周边的花草和树木，从而造成火灾等危险，因此，现有社区大多会设立可吸烟区域和禁烟区域。
借由社区中的监控设备获取禁烟区域的图像数据，其中包含两种方式，会于下文中进行详细解释，社区吸烟管控系统获取禁烟区域后，交付于处理单元对图像数据进一步的解析，另外，非禁烟区域图像数据可以不用调取。
其中，获取禁烟区域图像数据的两种方式包括：
其一，拉取社区监控设备所录制的禁烟区域的视频流，提取其中的帧图像数据。
具体的，社区监控设备，即摄像头，其监控所产生的数据通常为视频流数据，处理单元抵用社区监控设备接口进而获取其监控视频流数据，按照预设的采样方法对视频流数据中部分帧图像进行截取，该方法无需直接接管社区设备区去拍摄监控区域的图像，并且市场上部分监控设备只能录制监控，无法拍摄单张图像。
示例性的，上述内容中提及的采样方法是技术人员预先设置的，其策略可以为以十秒钟为基本单位，截取视频流中的帧图像，将帧图像交付于处理单元进行后续香烟燃烧的特征解析。
其二，调取所述监控设备权限并间歇性的利用所述监控设备拍摄禁烟区域图像。
具体的，现有市场上的部分高性能级摄像头即可录制视频也可以进行单张图片进行拍摄，对此，处理单元可直接调取监控设备权限，间歇性的利用监控设备拍摄禁烟区域图像，并交付于处理单元中，该实施步骤可能会影响监控设备对于本身视频流的录制产生影响，但是可以减少处理单元从视频流数据中截取帧图像的步骤，能够减少解析环节的时长，进而更快捷的完成吸烟监测整体方案。
步骤S200对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储。
在中午或下午的部分时段中，受太阳光印象，住户如果佩戴有金属首饰或其他物件，会对太阳光进行反射，此时，通过监控设备所拍摄到的图像中，首饰的亮度甚至要高于烟头燃烧部位的亮度，因而通过二值化处理图像，得到灰度图像，以烟头亮度模型区匹配拍摄到的监控图像，很容易使得计算机将首饰误识为烟头，从而引起误判，因此，本发明在进行判断前，先进行监控图像转换成热图像的预处理，由于转换过程中会增加物件材质的系数，因此，转换得到的香烟亮度值或色温值等其他参数不会低于易反光的金属首饰物件的亮度值或色温值，因此，对于香烟燃烧的特征识别提高了识别的精确度，减少了误判率。
具体的，根据所拍摄的监控图像和不同热学属性，采用遥感图像处理软件中的图像分类功能对监控图像进行材质分类，上述遥感图像处理软件采用的是ENVI软件，用来实现材质分类。
其次，对每类材质的每个像元进行发射率模拟，得到每个像源的发射率；
再次，根据所述发射率及同类材质的温度，生成每个像元的辐射温度；
所述同类材质的温度采用点温计，生成每个像元的辐射温度；
所述同类材质的温度采用点温计进行实地材质温度测量或通过VEGA仿真软件中的红外模拟模块获取材质的温度变化数据。
最后，根据辐射温度与灰度的映射关系将所述辐射温度转换成图像灰度，得到热红外图像。
所述材质的温度也可以是材质在不同时间段的温度，这样就能够模拟出不同时间段的热红外图像。
由于可见光图像转化为热图像属于现有技术，本发明针对热图像转化进行必要的现有技术阐述，其可以被任何现有技术中的转换方法替代，本发明对此不做限定。
转换完成后，对转换后的热图像进行另外存储，保留转换前的监控图像，即源图像，所述源图像需要在后续的二次判断步骤中进行利用。
另外，源图像与热图像的数量关系为1:1。
步骤S300利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；
在热图像转换后，得到热图像集合，利用预置的训练样本对所述热图像集合中的每张图像进行逐一特征对比，进而得到第一判断结果。
具体的，训练样本为技术人员预先存储的包含香烟燃烧特征的相应模型，其包含多种香烟燃烧特征的热图像样本数据，利用热图像样本数据进而完成由监控图像转换成的热图像集合进行特征对比，进而得到监控图像中是否存在香烟特征的第一步判断，即监控图像中存在相关特征，所述相关特征在热图像的模式下符合香烟燃烧的热图像特征这样的初次判断结果。
步骤S400对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；
由于香烟在燃烧后，部分燃烧后的残留物(本文称作烟灰杂质)仍会滞留在烟头燃烧部位处，或掺杂在正在燃烧区域，因此，本发明针对烟灰杂质做一个特征识别步骤，在热图像香烟特征和烟灰杂质的双重识别判断步骤下，对禁烟区域人员是否吸烟的检测精确度能够大幅度提高。
识别步骤完成后，记录该识别结果即第二次判断结果。
另外步骤S300与步骤S400顺序可以互换。
步骤S500根据第一判断结果以及第二判断结果，得到最终检测结果。
在第一次判断结果和第二次判断结果得出后，可通过权重系数或者添加其他判断因子进行综合判断，进而得到最终检测结果，其中最终检测结果分为“存在人员吸烟行为”或“不存在人员吸烟行为”。
本发明实施例提供的基于智慧社区的吸烟检测方法，通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；根据第一判断结果以及第二判断结果，得到最终检测结果，大大提高了吸烟行为的检测精度，避免了图像二值化处理识别针对阳光强烈下对金属物件识别为香烟的误判现象，另外，针对烟灰杂质的二次判断让香烟燃烧识别的精确度增进了一个等级。
可选的，参考图2，步骤S300利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型包括：
步骤S310利用预置的训练样本对所述热图像集合中首序图像进行像素区域遍历，完成待校验区域的快速锁定；
具体的，热图像集合中包含多张热图像，本发明优选将集合中图像按顺序进行逐个处理，当然进行随机无序处理同样满足本发明的实施步骤。
下述描述针对单张图像中的香烟燃烧特征进行识别，将图像分为多个等分的区域，将训练样本遍历各等分区域先进行模糊识别，进而确定是否存在相似区域。
步骤S320将待校验区域与所述训练样本进行详细特征比对，得到比对结果；
待识别相似区域，将其作为待校验区域进行进一步的详细特征比对，其中单张图像与训练样本相似的待校验区域可以为一个也可以为多个，详细比对后得到单张图像的判断结果。
步骤S340对所述热图像集合中的其余图像进行相同处理，得到比对结果集合。
依照上述办法，对热图像其余图像均做相同处理，得到一比对结果的集合，所述比对结果集合包含各张热图像与训练样本匹配的结果，实例性的，匹配通过为“1”，匹配不通过记为“0”，比对结果如下；
比对结果＝[1,1,1,1,0,1,0]
步骤S350对所述比对结果集合进行数据检测，得到第一判断结果。
接续上述实例性的内容，比对结果＝[1,1,1,1,0,1,0]，判断比对结果中是否存在1，若存在，则认为热图像集合存在相关特征，该相关特征为香烟燃烧在热图像模式下的表现特征，若无，则判断热图像不存在相关特征。
可选的，步骤S350对所述比对结果集合进行数据检测，得到第一判断结果包括：
遍历所述比对结果集合的元素数值，若存在大于预设阈值的元素数值，则判断所述热图像集合中存在包含香烟燃烧特征的图像数据。
具体的，比对结果也可以不以1或0，真或假的表征形式进行输出，也可以直接将匹配度进行结果输出，例如，比对结果＝[45％，50％，60，15％]，添加判断语句i f比对结果>＝60％,则判断所述热图像结合中存在包含香烟燃烧特征的图像数据。
可选的，步骤S400对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果的步骤包括：
步骤S410调取所述热图像处理中的待校验区域位置，寻找源图像中相同位置区域作为香烟燃烧部位；
在热图像处理中环节中已经对热图像中的待校验区域进行了快速锁定，而热图像各像素位置相较于源图像的各像素位置并未发生改变，因此，调取热图像中所锁定的待校验区域位置信息投影至源图像中快速得到源图像的待识别区域，因而，本发明为提高识别精度所设计的烟灰杂质识别步骤，由于减少识别区域的环节，并不会增加太多的整体方案完成时长以及资源暂用。
步骤S420根据所述源图像中所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果。
可选的，步骤S420所述根据所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果的步骤包括：
步骤S421对所述源图像中所述香烟燃烧部位像素各通道值进行遍历，将红色通道值为200～255和红色通道值为200～255且绿色通道值为200～255的像素作为燃烧像素，将三通道值均为200～255的像素作为烟灰像素。
其中，在香烟燃烧时，正在燃烧的物质的颜色呈现是橙色～红色颜色区间，而附近的烟灰是呈灰色～黑色区间，因而转换为对应RGB坐标为，正在燃烧的物质颜色区间为红色通道值200～255以及，红色通道值为200～255且绿色通道值为200～255的像素值区间，而烟灰对应RGB区间为三通道值均为200～255。
另外，上述区间值为本发明通过众多香烟燃烧采集样本中统计得到的优选取值区间，根据实际场景可进行略微调整。
步骤S422统计所述燃烧像素以及所述烟灰像素的总个数，判断两者个数比例是否符合预设阈值，若符合，则判定源图像符合正常香烟燃烧特征。
由于在正常吸烟过程中，燃烧后的烟灰杂质会掺杂在正在燃烧物质的外围，经过本发明设计人员所采集得到的大量的香烟燃烧样本中发现，正常吸烟行为过程中，排除不弹走烟灰的行为，烟灰杂质的像素个数比与正在燃烧的燃烧物质像素个数比为1:10～1:30的区间范围内容，应此，识别完待识别区域中各像素为燃烧物质像素或烟灰像素后，统计燃烧物质像素以及烟灰像素的个数并计算两者个数比值，判断其计算结果是否满足1：10～1:30区间，若是，则烟灰特征识别步骤通过，源图像中存在烟灰特征，满足正常香烟燃烧现象。
另外，香烟燃烧部位即待识别区域。
可选的，步骤S420所述根据所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果的步骤还包括：
利用预置的像素方块对所述源图像中所述香烟燃烧部位进行贴合，计算所述贴合区域像素的方差值，依次以相同方法遍历所述香烟燃烧部位的所有区域，得到方差值集合，对所述方差值进行数值校验，若数值校验通过概率大于预设阈值，则判定所述源图像符合正常香烟燃烧特征。
除却步骤421以及步骤422所提供烟灰特征检测，本发明还提供另一种拥有更高精确度的烟灰识别方法，即利用方差值的计算，由于烟灰是掺杂在正在燃烧物质区域中，因此，一个像素块，可以是3*3，或者9*9等的像素区域中，容易出现一个呈灰色的烟灰像素和五个呈红色的燃烧物质像素，因此，可以设定一像素块计算框，对待识别区域像素进行遍历，计算框优选为9*9的一个像素块，顺序可以从边缘开始，也可以从待识别区域中间等位置开始，一旦框选待识别区域中的像素后，计算框内的方差值，依照同样办法遍历待识别区域中的像素，将计算完成后的方差值集合计算其所有方差值的平均值，判断所述平均值是否符合预设阈值，若符合，则源图像中存在烟灰特征，满足正常香烟燃烧现象。
另外，阈值为本发明设计人员通过大量样本数据分析得到。
可选的，步骤S500所述根据第一判断结果以及第二判断结果，得到最终检测结果的步骤包括：
步骤S510若所述第一判断结果以及所述第二判断结果均为真，则判断禁烟区域存在人员吸烟行为；
步骤S520若否，则继续跟进监测。
具体的，若第一判断结果为真以及第二判断结果为真，则禁烟区域所采集得到的监控图像即在热图像模式下满足香烟燃烧特征，同时也满足烟灰特征，则判断禁烟区域存在住户吸烟行为。可调取所述图像数据所对应的区域信息并向社区音频设备网络在该区域的音频设备发送警示语音，利用所述音频设备播放所述警示语音提醒吸烟人员。
其中，所述播放请求以及播放内容的方式可以是将所述请求以及播放内容先发送至社区控制中心，由控制中心利用广播机制或者寻呼方式发送至吸烟现象已发生区域地点的音频设备，由该设备播放警示语音。
可选的，步骤S500所述根据第一判断结果以及第二判断结果，得到最终检测结果的步骤之前，还包括：
S500-1根据预设的权重系数对所述第一判断结果以及所述第二判断结果赋予权重值；
S500-2检测所述香烟燃烧部位边缘区域是否存在呈灰色的长方形像素块，若包含，则提高所述第二判断结果对应权重值；
S500-3根据所述第一判断结果的权重值以及第二判断结果的权重值，判断所述禁烟区域是否存在人员吸烟行为。
另外，上述内容提及，步骤S420的实施方式是排除了住户不弹烟灰的行为现象，但现实场景中，吸烟者还是存在不弹烟灰的行为现象，因此，为进一步提高吸烟检测整体方案的精确度，添加检测香烟燃烧部位边缘区域是否存在呈灰色的长方形像素块的环节，将吸烟者不弹烟灰的行为也纳入评判标准中，更加进一步的确认香烟燃烧特征，并且，由于烟灰不弹会保留其香烟原有的圆柱形，在图像中呈长方形。
另外，对各环节所产生的判断结果设置权重系数，进而计算各环节所产生的判断结果所对应的权重值，计算权重值总和得分是否符合预设阈值，若是，则判定存在吸烟行为。权重值的运用属于现有技术，本发明不做赘述。
另外，本发明还提供一种吸烟检测系统，包括：
存储模块100，用于通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储。
热图像模块200，用于对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；
第一判断模块300，用于利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；
第二判断模块400，用于对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；
第三判断模块500，用于根据第一判断结果以及第二判断结果，得到最终检测结果。
可选的，第一判断模块300进一步用于：
利用预置的训练样本对所述热图像集合中首序图像进行像素区域遍历，完成待校验区域的快速锁定；
将待校验区域与所述训练样本进行详细特征比对，得到比对结果；
对所述热图像集合中的其余图像进行相同处理，得到比对结果集合；
对所述比对结果集合进行数据检测，得到第一判断结果。
可选的，第一判断模块300还进一步用于：
遍历所述比对结果集合的元素数值，若存在大于预设阈值的元素数值，则判断所述热图像集合中存在包含香烟燃烧特征的图像数据。
可选的，第二判断模块400进一步用于：
调取所述热图像处理中的待校验区域位置，寻找源图像中相同位置区域作为香烟燃烧部位；
根据所述源图像中所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果。
可选的，第二判断模块400进一步用于：
对所述源图像中所述香烟燃烧部位像素各通道值进行遍历，将红色通道值为200～255和红色通道值为200～255且绿色通道值为200～255的像素作为燃烧像素，将三通道值均为200～255的像素作为烟灰像素；
统计所述燃烧像素以及所述烟灰像素的总个数，判断两者个数比例是否符合预设阈值，若符合，则判定源图像符合正常香烟燃烧特征。
可选的，第二判断模块400还进一步用于：
利用预置的像素方块对所述源图像中所述香烟燃烧部位进行贴合，计算所述贴合区域像素的方差值，依次以相同方法遍历所述香烟燃烧部位的所有区域，得到方差值集合，对所述方差值进行数值校验，若数值校验通过概率大于预设阈值，则判定所述源图像符合正常香烟燃烧特征。
可选的，第三判断模块500进一步用于：
若所述第一判断结果以及所述第二判断结果均为真，则判断禁烟区域存在人员吸烟行为；
若否，则继续跟进监测。
可选的，第三判断模块500还进一步用于：
根据预设的权重系数对所述第一判断结果以及所述第二判断结果赋予权重值；
检测所述香烟燃烧部位边缘区域是否存在呈灰色的长方体像素块，若包含，则提高所述第二判断结果对应权重值；
根据所述第一判断结果的权重值以及第二判断结果的权重值，判断所述禁烟区域是否存在人员吸烟行为。
参考图6，本实施例中还提供一种计算机设备2，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是个人计算机、平板计算机、移动电话及智能手机登，也可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等用于提供虚拟客户端的运设备。如图所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及吸烟检测系统20，其中：
本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括山村、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以使计算机设备2的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital)SD卡，闪存卡(Flash Card)等，当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21永昌用于存储安装于计算机设备2的操作系统和各类应用软件，例如社区吸烟管控系统20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行吸烟检测系统20，以实现一种基于智慧社区的吸烟检测的方法。
所述网络接口23可包括无线网络接口或有限网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在计算机设备2与外部中断之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(Wideband CodeDivision Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图6仅示出了具有需要指出的是，图6仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器21中的所述社区吸烟检测系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。
另外，本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储吸烟检测系统20，被处理器执行时实现本发明的基于智慧社区的吸烟检测方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式，并且，说明书内容中各步骤可以进行合理性互换。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所做的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于智慧社区的吸烟检测方法，其特征在于，包括：
通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；
对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；
利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；
对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；
根据第一判断结果以及第二判断结果，得到最终检测结果。
2.根据权利要求1所述的基于智慧社区的吸烟检测方法，其特征在于，所述利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对的步骤包括：
利用预置的训练样本对所述热图像集合中首序图像进行像素区域遍历，完成待校验区域的快速锁定；
将待校验区域与所述训练样本进行详细特征比对，得到比对结果；
对所述热图像集合中的其余图像进行相同处理，得到比对结果集合；
对所述比对结果集合进行数据检测，得到第一判断结果。
3.根据权利要求2所述的基于智慧社区的吸烟检测方法，其特征在于，所述对所述比对结果集合进行数据检测，得到第一判断结果的步骤包括：
遍历所述比对结果集合的元素数值，若存在大于预设阈值的元素数值，则判断所述热图像集合中存在包含香烟燃烧特征的图像数据。
4.根据权利要求2所述的基于智慧社区的吸烟检测方法，其特征在于，所述对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果的步骤包括：
调取所述热图像处理中的待校验区域位置，寻找源图像中相同位置区域作为香烟燃烧部位；
根据所述源图像中所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果。
5.根据权利要求4所述的基于智慧社区的吸烟检测方法，其特征在于，所述根据所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果的步骤包括：
对所述源图像中所述香烟燃烧部位像素各通道值进行遍历，将红色通道值为200～255和红色通道值为200～255且绿色通道值为200～255的像素作为燃烧像素，将三通道值均为200～255的像素作为烟灰像素；
统计所述燃烧像素以及所述烟灰像素的总个数，判断两者个数比例是否符合预设阈值，若符合，则判定源图像符合正常香烟燃烧特征。
6.根据权利要求4所述的基于智慧社区的吸烟检测方法，其特征在于，所述根据所述香烟燃烧部位中的像素值进行烟灰杂质特征检测，进而得到第二判断结果的步骤还包括：
利用预置的像素方块对所述源图像中所述香烟燃烧部位进行贴合，计算所述贴合区域像素的方差值，依次以相同方法遍历所述香烟燃烧部位的所有区域，得到方差值集合，对所述方差值进行数值校验，若数值校验通过概率大于预设阈值，则判定所述源图像符合正常香烟燃烧特征。
7.根据权利要求1所述的基于智慧社区的吸烟检测方法，其特征在于，所述根据第一判断结果以及第二判断结果，得到最终检测结果的步骤包括：
若所述第一判断结果以及所述第二判断结果均为真，则判断禁烟区域存在人员吸烟行为；
若否，则继续跟进监测。
8.根据权利要求5所述的基于智慧社区的吸烟检测方法，其特征在于，所述根据第一判断结果以及第二判断结果，得到最终检测结果的步骤之前，还包括：
根据预设的权重系数对所述第一判断结果以及所述第二判断结果赋予权重值；
检测所述香烟燃烧部位边缘区域是否存在呈灰色的长方体像素块，若包含，则提高所述第二判断结果对应权重值；
根据所述第一判断结果的权重值以及第二判断结果的权重值，判断所述禁烟区域是否存在人员吸烟行为。
9.一种吸烟检测系统，其特征在于，包括：
存储模块，用于通过社区监控设备获取禁烟区域的图像数据，将所述图像数据定义为源图像进行存储；
热图像模块，用于对所述源图像中各帧图像进行热图像转化，得到热图像集合，所述源图像不被所述热图像集合覆盖存储；
第一判断模块，用于利用预置的训练样本对所述热图像集合中各张图像进行逐一特征比对，得到第一判断结果，所述训练样本为包含香烟燃烧特征的相应模型；
第二判断模块，用于对源图像进行香烟燃烧部位的烟灰杂质进行特征检测，得到第二判断结果；
第三判断模块，用于根据第一判断结果以及第二判断结果，得到最终检测结果。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储由计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1至8中任一项所述的基于智慧社区的吸烟检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910689867.5A CN110490090A (zh) | 2019-07-29 | 2019-07-29 | 基于智慧社区的吸烟检测方法、系统及其存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910689867.5A CN110490090A (zh) | 2019-07-29 | 2019-07-29 | 基于智慧社区的吸烟检测方法、系统及其存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110490090A true CN110490090A (zh) | 2019-11-22 |
Family
ID=68547651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910689867.5A Pending CN110490090A (zh) | 2019-07-29 | 2019-07-29 | 基于智慧社区的吸烟检测方法、系统及其存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110490090A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113562363A (zh) * | 2021-08-20 | 2021-10-29 | 北京云迹科技有限公司 | 一种清理垃圾桶的方法 |
| GB2618857A (en) * | 2022-05-13 | 2023-11-22 | Man Chee Liu | Cigarette smoke alarm device for non-smoking space |
| CN118113805A (zh) * | 2024-04-29 | 2024-05-31 | 山东省国土测绘院 | 一种基于深度学习的地理信息勘测校准方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102519605A (zh) * | 2012-01-12 | 2012-06-27 | 安徽大学 | 一种基于红外热图像的吸烟检测系统和装置 |
| CN103218627A (zh) * | 2013-01-31 | 2013-07-24 | 沈阳航空航天大学 | 一种图像检测方法及设备 |
| CN104978829A (zh) * | 2015-06-24 | 2015-10-14 | 国家电网公司 | 一种室内吸烟监控控制方法及系统 |
| GB201601342D0 (en) * | 2016-01-26 | 2016-03-09 | Univ Bristol | Method and device for detecting a smoke gesture |
| CN106682691A (zh) * | 2016-12-21 | 2017-05-17 | 厦门中控生物识别信息技术有限公司 | 基于图像的目标检测方法及装置 |
| CN106796720A (zh) * | 2016-04-12 | 2017-05-31 | 深圳华盛昌机械实业有限公司 | 图像融合方法、装置和红外热像设备 |
| CN107358164A (zh) * | 2017-06-13 | 2017-11-17 | 深圳市易成自动驾驶技术有限公司 | 吸烟的检测方法、装置及计算机可读存储介质 |
| CN108734125A (zh) * | 2018-05-21 | 2018-11-02 | 杭州杰视科技有限公司 | 一种开放空间的吸烟行为识别方法 |
| CN109635673A (zh) * | 2018-11-22 | 2019-04-16 | 深圳爱莫科技有限公司 | 吸烟行为识别方法和装置 |
| CN109711307A (zh) * | 2018-12-19 | 2019-05-03 | 中科天网（广东）科技有限公司 | 一种基于人脸识别的吸烟取证方法 |
-
2019
- 2019-07-29 CN CN201910689867.5A patent/CN110490090A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102519605A (zh) * | 2012-01-12 | 2012-06-27 | 安徽大学 | 一种基于红外热图像的吸烟检测系统和装置 |
| CN103218627A (zh) * | 2013-01-31 | 2013-07-24 | 沈阳航空航天大学 | 一种图像检测方法及设备 |
| CN104978829A (zh) * | 2015-06-24 | 2015-10-14 | 国家电网公司 | 一种室内吸烟监控控制方法及系统 |
| GB201601342D0 (en) * | 2016-01-26 | 2016-03-09 | Univ Bristol | Method and device for detecting a smoke gesture |
| CN106796720A (zh) * | 2016-04-12 | 2017-05-31 | 深圳华盛昌机械实业有限公司 | 图像融合方法、装置和红外热像设备 |
| CN106682691A (zh) * | 2016-12-21 | 2017-05-17 | 厦门中控生物识别信息技术有限公司 | 基于图像的目标检测方法及装置 |
| CN107358164A (zh) * | 2017-06-13 | 2017-11-17 | 深圳市易成自动驾驶技术有限公司 | 吸烟的检测方法、装置及计算机可读存储介质 |
| CN108734125A (zh) * | 2018-05-21 | 2018-11-02 | 杭州杰视科技有限公司 | 一种开放空间的吸烟行为识别方法 |
| CN109635673A (zh) * | 2018-11-22 | 2019-04-16 | 深圳爱莫科技有限公司 | 吸烟行为识别方法和装置 |
| CN109711307A (zh) * | 2018-12-19 | 2019-05-03 | 中科天网（广东）科技有限公司 | 一种基于人脸识别的吸烟取证方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113562363A (zh) * | 2021-08-20 | 2021-10-29 | 北京云迹科技有限公司 | 一种清理垃圾桶的方法 |
| CN113562363B (zh) * | 2021-08-20 | 2022-07-08 | 北京云迹科技股份有限公司 | 一种清理垃圾桶的方法 |
| GB2618857A (en) * | 2022-05-13 | 2023-11-22 | Man Chee Liu | Cigarette smoke alarm device for non-smoking space |
| CN118113805A (zh) * | 2024-04-29 | 2024-05-31 | 山东省国土测绘院 | 一种基于深度学习的地理信息勘测校准方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503006A (zh) | 一种社区吸烟管控方法、系统及其存储介质 | |
| CN110490090A (zh) | 基于智慧社区的吸烟检测方法、系统及其存储介质 | |
| CN104516497B (zh) | 控制电子装置的方法、手持电子装置与监控系统 | |
| WO2021047306A1 (zh) | 一种异常行为判定方法、装置、终端及可读存储介质 | |
| CN104427715A (zh) | 通信终端的控制方法、照明控制系统及照明设备 | |
| Wang et al. | Predicting real-time fire heat release rate by flame images and deep learning | |
| KR20070028813A (ko) | 산불 감지 방법 및 시스템 | |
| CN108074236A (zh) | 植物浇灌提醒方法、装置、设备及存储介质 | |
| CN116634622A (zh) | 一种基于物联网的led智能控制方法、系统及介质 | |
| CN106770313A (zh) | 一种汽车扶手的检测系统 | |
| CN110633675A (zh) | 一种基于卷积神经网络的视频中火灾识别系统及方法 | |
| CN115063942B (zh) | 消防火灾复燃监测预警方法、装置、电子设备及存储介质 | |
| CN110503005A (zh) | 基于智慧社区的吸烟检测方法、系统及其存储介质 | |
| CN103577662A (zh) | 确定家用电器的用电状况或环境状况的方法及设备 | |
| CN111612537B (zh) | 虚拟资源的领取方法、装置以及电子设备 | |
| CN115798047A (zh) | 行为识别方法和装置、电子设备、计算机可读存储介质 | |
| CN110276228A (zh) | 多特征融合视频火灾识别算法 | |
| CN116595728A (zh) | 毒气泄漏下的人群疏散仿真方法、装置、介质和电子设备 | |
| CN114155457A (zh) | 基于火焰动态识别的控制方法及控制装置 | |
| CN114543312A (zh) | 新风设备控制方法、装置、计算机设备以及介质 | |
| CN110276310A (zh) | 吸烟烟雾确定方法及装置、存储介质、电子装置 | |
| WO2021217943A1 (zh) | 企业整改监管方法、装置、设备及计算机可读存储介质 | |
| CN112347874A (zh) | 一种火灾检测方法、装置、设备及存储介质 | |
| CN111611966A (zh) | 目标人员检测方法、装置、设备及存储介质 | |
| CN208460147U (zh) | 一种基于互联网安全预警视频联网报警系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191122 |