CN111209893A - 一种用于警务督察吸烟行为识别方法 - Google Patents

一种用于警务督察吸烟行为识别方法 Download PDF

Info

Publication number
CN111209893A
CN111209893A CN202010064762.3A CN202010064762A CN111209893A CN 111209893 A CN111209893 A CN 111209893A CN 202010064762 A CN202010064762 A CN 202010064762A CN 111209893 A CN111209893 A CN 111209893A
Authority
CN
China
Prior art keywords
smoking
area
data
detecting
rectangular area
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.)
Withdrawn
Application number
CN202010064762.3A
Other languages
English (en)
Inventor
刘军
冯江远
吴介桅
曹治江
朱军伟
蒲俗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Guoyi Electronic Technology Co ltd
Original Assignee
Chengdu Guoyi Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Guoyi Electronic Technology Co ltd filed Critical Chengdu Guoyi Electronic Technology Co ltd
Priority to CN202010064762.3A priority Critical patent/CN111209893A/zh
Publication of CN111209893A publication Critical patent/CN111209893A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content

Abstract

本发明公开了一种用于警务督察吸烟行为识别方法，通过吸烟行为检测，对视频解码的序列图片进行分析，检测分析结果，对审讯人员可能存在的吸烟行为进行报警处理，再通过人工审核，确定吸烟违规行为。本发明创造通过深度学习中的成熟的目标检测算法实现吸烟动作的精确定位，能从整体到局部逐级细分，实现了精细化处理；同时与工程上结合使得非常适用于公安督察系统，从而减少误报发生。

Description

一种用于警务督察吸烟行为识别方法
技术领域
本发明涉及计算机视觉和图像处理领域，尤其涉及一种用于警务督察吸烟行为识别方法。
背景技术
现如今，为落实中央提升民警执法能力规范文明执法，加强对审讯室执法过程的监督，贯彻科技强警的理念，应用现代化先进技术，对审讯室执法过程进行监督，将大量繁琐的视频审查工作交由机器执行，可以有效的提升督察监督效率，为文明执法保驾护航。在督察期间，发现公安工作人员在审讯过程中吸烟的情况屡见不鲜，有损文明执法形象，也降低了办案效率，可见“吸烟”的危害之大。所以，设计一个能够实时监控审讯员是否存在吸烟行为的方法，就能大大降低审讯员吸烟的情况。
针对上述情况结合目前现有的技术方案，存在以下问题：
（1）没有能够准确地检测到吸烟动作的方法，并把方法运用到公安督察系统；
（2）无法准确区分办案人员和嫌疑人；
（3）误报率高，没有合理有效的方法对系统反馈的结果进行评判。
发明内容
本发明的目的在于，针对上述问题，提出一种用于警务督察吸烟行为识别方法。
本发明的发明目的是通过以下技术方案实现的：一种用于警务督察吸烟行为识别方法，包括以下步骤：
S1：采集视频数据，采集审查室中不同时间，不同位置的视频数据；
S2：解码视频成序列图片，将采集的视频数据解码成序列图片进行吸烟行为检测；
S3：检测吸烟行为，通过检测计算区域结果分析是否存在吸烟行为；
S4：图像报警提醒，当存在吸烟行为，进行报警处理；
S5：人工复核，通过人工审核确认吸烟行为状态；
其中，所述步骤S3包括以下子步骤：
S301：检测人物审讯员矩形区域；
S302：检测吸烟区域；
S303：检测亮度；
S304：输入结果至时间滤波器。
所述的步骤S301，包括以下子步骤：
S3031：提取不同地点、不同角度、不同时段的图像数据；
S3032：挑选出所有穿制服的审讯员图像数据；
S3033：根据上述数据制作标签数据；
S3034：通过CenterNet目标检测算法训练数据得到审讯员检测模型；
S3035：在图像中运用训练好的CenterNet目标检测算法预测得到审讯员的矩形区域BBboxA（x,y,w,h），其中x、y为矩形中心点坐标，w、h为该矩形区域的宽和高，并在矩形框上方叠加字符“审讯员”。
所述的步骤S302，在审讯员的矩形区域BBboxA（x,y,w,h）中检测。包括以下子步骤：
S3021：提取不同地点、不同角度、不同时段的图像数据；
S3022：挑选出所有穿制服的审讯员图像数据；
S3023：根据图像数据制作标签数据；
S3024：通过CenterNet目标检测算法训练数据得到吸烟检测模型；其中，吸烟检测模型为检测手、嘴巴和香烟出现在同一个平面得到的数据模型；
S3025：在图像中运用训练好的CenterNet目标检测算法预测得到吸烟区域的矩形区域BBboxB（x,y,w,h），其中x、y表示矩形中心点坐标，w、h表示该矩形区域的宽和高，并在矩形框上方叠加字符“疑似吸烟”。
所述的步骤303，在吸烟区域的矩形区域BBboxB（x,y,w,h）中检测，包括以下子步骤：
S3031：在吸烟区域矩形框BBboxB（x,y,w,h）中，采用hough变换检测到圆或者矩形；
S3032：统计BBboxB（x,y,w,h）中圆形或者矩形中的平均亮度值，得到L1；
S3033：统计BBboxB（x,y,w,h）中除圆形或者矩形区域外的平均亮度值，得到L2；
S3034：计算L1和L2的绝对差值：t=L1-L2；
S3035：当t>20时，则认为存在烟头，进一步确认为吸烟行为。
所述的步骤S304，其方法如下：设置视频流中5帧为判定一个结果，假设在连续5帧图像中，判定得到“吸烟”的单帧图像标记值为1，其余为0，计算5帧图像标记值总和t；当t≥3时，则判定为“存在吸烟行为”；当t≤2时，则判定为“不存在吸烟行为”。
本发明的有益效果：
（1）通过吸烟行为识别方法，能够有效地规范办案人员的行为；
（2）通过对“吸烟”状态识别进行大量优化和改进，能够准确区分“审讯员”和“嫌疑人”，使用亮度检测方法，提高识别“吸烟”状态的准确性；
（3）通过使用时间滤波器，人工审核的方法，有效地降低了误报几率。
附图说明
图1是本发明的结构流程框图；
图2是本发明步骤S3的结构流程框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，先对照附图说明本发明的具体实施方式。
本实施例中，如图1，一种用于警务督察吸烟行为识别方法，包括以下步骤：
步骤1，实时采集审讯室视频数据；
步骤2，将视频解码成序列图片；
步骤3，在序列图片中运用审讯员检测模块检测审讯员，得到审讯员的矩形区域，该矩形区域表示为BBboxA（x,y,w,h），其中x、y为矩形中心点坐标，w、h为该矩形区域的宽和高，并在矩形框上方叠加字符“审讯员”。对于审讯员的检测主要技术要点为：（1）、提前获取约30万张不同审讯室、不同角度、不同时段的图像数据；（2）、挑选出所有穿制服的审讯员图像数据；（3）、将上述数据制作标签数据；（4）、选用CenterNet目标检测算法训练数据得到审讯员检测模型；（5）、在图像中运用训练好的CenterNet目标检测算法预测得到审讯员的矩形区域BBboxA（x,y,w,h）；
步骤4，运用吸烟检测模块在审讯员区域BBboxA（x,y,w,h）中检测，得到吸烟区域矩形框BBboxB（x,y,w,h），并在矩形框上方叠加字符 “疑似吸烟”。其中x、y、w、h释义同步骤3，对于检测得到吸烟区域BBboxB（x,y,w,h）的主要技术要点同上述步骤3中的方法，不同点在于训练数据标注方式不同，吸烟区域训练数据标注方法为：当手夹着烟头在嘴巴“吮吸”时，也即是手、嘴巴、烟头出现在同一个平面时则标注为“吸烟”，检测吸烟动作也是按照此标准进行；
步骤5，运用亮度检测模块在吸烟的矩形区域BBboxB（x,y,w,h）中检测是否存在亮度集中且亮度较高的点状区域或者条形区域，检测方式方法按如下进行：（1）、在吸烟区域矩形框BBboxB（x,y,w,h）中，采用hough变换检测到圆或者矩形；（2）、统计BBboxB（x,y,w,h）中圆形或者矩形中的平均亮度值，得到L1；（3）、统计BBboxB（x,y,w,h）中除圆形或者矩形区域外的平均亮度值，得到L2；（4）、计算L1和L2的绝对差值：t=L1-L2；e、当t>20时，则认为存在烟头，进而确认为吸烟行为；
步骤6，将步骤5中判断为“吸烟”的结果输入到时间滤波器中，其技术要点主要为：视频流中按5帧判定一个结果，假设在连续5帧图像中，判定得到“吸烟”的单帧图像标记值为1，其余为0，计算5帧图像标记值总和t，当t大于等于3时，则判定为“吸烟”，当t小于等于2时，则判定为“未吸烟”。当“吸烟”状态未达到3帧，即只有1帧或者2帧，则认为是毛刺，可以通过该方法滤除。
步骤7，根据步骤6中的判断结果进行图像报警提醒，在图像左上角叠加红色字符“吸烟”。
步骤8，最后根据步骤7中报警信息，图像报警提醒工作人员将进行人工复核/确认。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种用于警务督察吸烟行为识别方法，其特征在于，包括以下步骤：
S1：采集视频数据，采集审讯室中不同时间，不同角度的视频数据；
S2：解码视频成序列图片，将采集的视频数据解码成序列图片进行吸烟行为检测；
S3：检测吸烟行为，通过检测计算区域结果分析是否存在吸烟行为；
S4：图像报警提醒，当存在吸烟行为，进行报警处理；
S5：人工复核，通过人工审核确认吸烟行为状态；
其中，所述步骤S3包括以下子步骤：
S301：检测审讯员矩形区域；
S302：检测吸烟区域；
S303：检测亮度；
S304：输入结果至时间滤波器。
2.根据权利要求1所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的步骤S301，包括以下子步骤：
S3011：提取不同地点、不同角度、不同时段的图像数据；
S3012：挑选出所有穿制服的审讯员图像数据；
S3013：根据上述数据制作标签数据；
S3014：通过CenterNet目标检测算法训练数据得到审讯员检测模型；
S3015：在图像中运用训练好的CenterNet目标检测算法预测得到审讯员的矩形区域BBboxA（x,y,w,h），其中x、y为矩形中心点坐标，w、h为该矩形区域的宽和高，并在矩形框上方叠加字符“审讯员”。
3.根据权利要求1所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的步骤S302，包括以下子步骤：
S3021：提取不同地点、不同角度、不同时段的图像数据；
S3022：挑选出所有穿制服的审讯员图像数据；
S3023：根据图像数据制作标签数据；
S3024：通过CenterNet目标检测算法训练数据得到吸烟检测模型；
S3025：在图像中运用训练好的CenterNet目标检测算法预测得到吸烟区域的矩形区域BBboxB（x,y,w,h），其中x、y表示矩形中心点坐标，w、h表示该矩形区域的宽和高，并在矩形框上方叠加字符“疑似吸烟”。
4.根据权利要求3所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的步骤S302，在审讯员的矩形区域BBboxA（x,y,w,h）中进行检测。
5.根据权利要求3所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的吸烟检测模型为检测手、嘴巴和香烟出现在同一个平面得到的数据模型。
6.根据权利要求1所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的步骤S303，包括以下子步骤：
S3031：在吸烟区域矩形框BBboxB（x,y,w,h）中，采用hough变换检测到圆或者矩形；
S3032：统计BBboxB（x,y,w,h）中圆形或者矩形中的平均亮度值，得到L1；
S3033：统计BBboxB（x,y,w,h）中除圆形或者矩形区域外的平均亮度值，得到L2；
S3034：计算L1和L2的绝对差值：t=L1-L2；
S3035：当t>20时，则认为存在烟头，进一步确认为吸烟行为。
7.根据权利要求6所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的步骤S303，在吸烟区域的矩形区域BBboxB（x,y,w,h）中进行检测。
8.根据权利要求1所述的一种用于警务督察吸烟行为识别方法，其特征在于，所述的步骤S304，其方法如下：
设置视频流中的5帧为判定一个结果，假设在连续5帧图像中，判定得到“吸烟”的单帧图像标记值为1，其余为0，计算5帧图像标记值总和t；当t≥3时，则判定为“存在吸烟行为”；当t≤2时，则判定为“不存在吸烟行为”。
CN202010064762.3A 2020-01-20 2020-01-20 一种用于警务督察吸烟行为识别方法 Withdrawn CN111209893A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010064762.3A CN111209893A (zh) 2020-01-20 2020-01-20 一种用于警务督察吸烟行为识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010064762.3A CN111209893A (zh) 2020-01-20 2020-01-20 一种用于警务督察吸烟行为识别方法

Publications (1)

Publication Number Publication Date
CN111209893A true CN111209893A (zh) 2020-05-29

Family

ID=70789787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010064762.3A Withdrawn CN111209893A (zh) 2020-01-20 2020-01-20 一种用于警务督察吸烟行为识别方法

Country Status (1)

Country Link
CN (1) CN111209893A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733730A (zh) * 2021-01-12 2021-04-30 中国石油大学(华东) 采油作业现场吸烟人员识别处理方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733730A (zh) * 2021-01-12 2021-04-30 中国石油大学(华东) 采油作业现场吸烟人员识别处理方法及系统

Similar Documents

Publication Publication Date Title
CN110390262B (zh) 视频分析方法、装置、服务器及存储介质
CN102610102B (zh) 一种嫌疑车辆查控方法及系统
CN111726586A (zh) 一种生产体系操作规范监测提醒系统
CN109446936A (zh) 一种用于监控场景的身份识别方法及装置
CN102226920A (zh) 抗裁剪的jpeg图像压缩历史及合成篡改检测方法
CN110889339A (zh) 基于头肩检测的危险区域分级预警方法与系统
CN111242075A (zh) 一种用于警务督察睡觉行为识别方法
CN106326835A (zh) 一种用于加油站便利店的人脸数据采集统计系统及方法
WO2018176191A1 (zh) 套牌车识别方法及装置
CN102902960A (zh) 基于高斯建模与目标轮廓的遗留物检测方法
CN112507860A (zh) 一种视频标注方法、装置、设备及存储介质
WO2023071188A1 (zh) 一种异常行为检测的方法、装置、电子设备及存储介质
CN112380892A (zh) 一种图像识别方法、装置、设备及介质
CN111209893A (zh) 一种用于警务督察吸烟行为识别方法
CN111199172A (zh) 基于终端录屏的处理方法及装置、存储介质
CN108171187A (zh) 一种基于骨点提取的异常行为自动识别方法及装置
CN111914649A (zh) 人脸识别的方法及装置、电子设备、存储介质
CN115309938B (zh) 一种监管、执法大数据数据分析挖掘的方法和系统
CN112633163A (zh) 一种基于机器学习算法实现非法运营车辆检测的检测方法
CN113470080B (zh) 一种违规行为识别方法
JPH09153135A (ja) 特定対称物体判定方法
US20210350138A1 (en) Method to identify affiliates in video data
CN111144248B (zh) 基于st-fhcd网络模型的人数统计方法、系统及介质
CN112580067B (zh) 一种视频文件监管方法及系统
CN114693606B (zh) 一种基于行人区域合并的安全设备穿戴检测方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200529

WW01 Invention patent application withdrawn after publication