CN111553275A - 基于ai及热成像的吸烟监测方法、模块、设备及介质 - Google Patents
基于ai及热成像的吸烟监测方法、模块、设备及介质 Download PDFInfo
- Publication number
- CN111553275A CN111553275A CN202010348746.7A CN202010348746A CN111553275A CN 111553275 A CN111553275 A CN 111553275A CN 202010348746 A CN202010348746 A CN 202010348746A CN 111553275 A CN111553275 A CN 111553275A
- Authority
- CN
- China
- Prior art keywords
- smoking
- picture
- thermal imaging
- monitoring method
- module
- 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
- 230000000391 smoking effect Effects 0.000 title claims abstract description 127
- 238000001931 thermography Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims abstract description 37
- 230000009471 action Effects 0.000 claims abstract description 26
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 23
- 239000000779 smoke Substances 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims 1
- 235000019504 cigarettes Nutrition 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
- G01J5/0018—Flames, plasma or welding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Plasma & Fusion (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供基于AI及热成像的吸烟监测方法、模块、设备及介质,其中,基于AI及热成像的吸烟监测方法,所述方法步骤具体如下:通过摄像装置读取视频帧,获得监测图片;再对获得的监测图片进行人物分割,获得人物分割图;分析人物分割图中的姿势或姿态行为,判断是否存在吸烟动作;若通过步骤S30判断存在吸烟动作,则通过热成像分析确认吸烟行为。本发明提供的基于AI及热成像的吸烟监测方法,从多个技术维度上对吸烟行为进行识别判断,最终给出准确的识别结果,极大的提高禁烟场所禁烟的效率。
Description
技术领域
本发明涉及吸烟监测领域,特别涉及基于AI及热成像的吸烟监测方法、模块、设备及介质。
背景技术
目前,许多公共场所都有禁烟标识,但是全靠人们的自主意识,很难做到合理管控,因此,出现了如公开号为CN108710837A,公开日为20181026的中国专利申请中公开的一种吸烟行为识别方法,通过对获取的监测图像进行人脸检测,识别图像中的脸部区域图像;获取所述脸部区域图像中的白色像素点,根据所述白色像素点的数量对所述脸部区域图像中的香烟进行识别;根据所述脸部区域图像的能量值在监测过程中的变化,对所述脸部区域图像中的烟雾进行识别;根据对所述脸部区域图像识别的香烟和烟雾,识别所述监测图像中的吸烟行为。
上述人工智能模型在吸烟识别的算法处理上,主要是通过对烟雾部分进行判定。但这种方法容易误识误判,当测试环境为雾天时,在测试实验中很容易出现被误判为正在吸烟的情况,无法准确判断是否存在吸烟的行为。
发明内容
为解决上述背景技术中提到的现有的吸烟识别方法容易误识误判,无法准确判断是否存在吸烟的行为的问题,本发明提供的基于AI及热成像的吸烟监测方法、模块、设备及介质,其中,基于AI及热成像的吸烟监测方法具体如下:
S10、通过摄像装置读取视频帧,获得监测图片;
S20、再对获得的监测图片进行人物分割,获得人物分割图;
S30、分析人物分割图中的姿势或姿态行为,判断是否存在吸烟动作;
S40、若通过步骤S30判断存在吸烟动作,则通过热成像分析确认吸烟行为。
进一步地,步骤S20中采用one stage检测模型进行图片分割。
进一步地,步骤S20中通过人体骨架的姿势来判断是否存在吸烟动作。
进一步地,步骤S30中使用s imp l e pose预训练模型提取图片中人体上半身的结构并将尺寸设置为224*224大小图片传入二分类网络结构中,进行判断是否存在吸烟动作。
进一步地,所述二分类网络采用公式根据点与点之间的距离和判断是否抽烟。
进一步地,步骤S40中通过热成像分析是否存在热源的具体步骤如下:
若该热源的坐标点位于人体骨架中的手部或脸部,则确定该人物存在吸烟行为;
若该热源的坐标点在热成像图上不能判断烟被点燃时的红外能量,那么无论在检测模块中吸烟的概率有多高,均归为没有吸烟。
进一步地,还包括步骤S50、若确认吸烟行为,则将进行报警。
本发明提供基于AI及热成像的吸烟监测方法的模块,包括图片人物分割模块、抽烟动作检测模块和热成像模块,其中:
所述图片人物分割模块用于分割获取的图片;
所述抽烟动作检测模块用于分析分割出的图片中的人的姿势或姿态行为,判断是否存在吸烟动作;
若存在吸烟动作,则触发所述热成像模块分析确认吸烟行为。
本发明另外提供基于AI及热成像的吸烟监测的设备,所述设备包括处理器、存储器,所述处理器与所述存储器通过总线相连接,所述存储器中存储机器可读代码,所述处理器执行存储器中的机器可读代码以执行如上任意所述的方法。
本发明还提供计算机可读存储介质,所述存储介质上存储有计算机程序代码,当所述计算机程序代码被计算机执行时以执行如上任意的方法。
本发明提供的基于AI及热成像的吸烟监测方法,综合运用AI及热成像两种技术,通过吸烟手势区域图像分割、特征提取以及对烟火点的非接触性探测去判断是否真正存在吸烟行为。在识别时,首先对画面中的图像进行分割,判定人持烟,其次判断人姿势或姿态行为是吸烟的可能性,最后通过热成像技术判定烟点燃概率,得出人是否在吸烟的结果。本发明提供的基于AI及热成像的吸烟监测方法,从多个技术维度上对吸烟行为进行识别判断,最终给出准确的识别结果,极大的提高禁烟场所禁烟的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于AI及热成像的吸烟监测方法流程框图;
图2为基于AI及热成像的吸烟监测模块工作流程图;
图3为用opencv3来在图片上画出吸烟效果图;
图4为人体骨架图;
图5为ne stage类型的模型结构图;
图6为二分类网络结构的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
如图1所示,本发明提供的基于AI及热成像的吸烟监测方法及模块,本发明提供的基于AI及热成像的吸烟监测方法、模块、设备及介质,其中,基于AI及热成像的吸烟监测方法具体如下:
S10、通过摄像装置读取视频帧,获得监测图片;
S20、再对获得的监测图片进行人物分割,获得人物分割图;
S30、分析人物分割图中的姿势或姿态行为,判断是否存在吸烟动作;
S40、若通过步骤S30判断存在吸烟动作,则通过热成像分析确认吸烟行为。
进一步地,步骤S20中采用one stage检测模型进行图片分割。
进一步地,步骤S20中通过人体骨架的姿势来判断是否存在吸烟动作。
进一步地,步骤S30中使用simple pose预训练模型提取图片中人体上半身的结构并将尺寸设置为224*224大小图片传入二分类网络结构中,进行判断是否存在吸烟动作。
进一步地,所述二分类网络采用公式根据点与点之间的距离和判断是否抽烟。
进一步地,步骤S40中通过热成像分析是否存在热源的具体步骤如下:
若该热源的坐标点位于人体骨架中的手部或脸部,则确定该人物存在吸烟行为;
若该热源的坐标点在热成像图上不能判断烟被点燃时的红外能量,那么无论在检测模块中吸烟的概率有多高,均归为没有吸烟。
进一步地,还包括步骤S50、若确认吸烟行为,则将进行报警。
本发明提供基于AI及热成像的吸烟监测方法的模块,包括图片人物分割模块、抽烟动作检测模块和热成像模块,其中:
所述图片人物分割模块用于分割获取的图片;
所述抽烟动作检测模块用于分析分割出的图片中的人的姿势或姿态行为,判断是否存在吸烟动作;
若存在吸烟动作,则触发所述热成像模块分析确认吸烟行为。
本发明另外提供基于AI及热成像的吸烟监测的设备,所述设备包括处理器、存储器,所述处理器与所述存储器通过总线相连接,所述存储器中存储机器可读代码,所述处理器执行存储器中的机器可读代码以执行如上任意所述的方法。
本发明还提供计算机可读存储介质,所述存储介质上存储有计算机程序代码,当所述计算机程序代码被计算机执行时以执行如上任意的方法。
如图2所示,本发明实施例提供的基于AI及热成像的吸烟监测模块,由图片人物分割模块、抽烟行为检测模块、热成像模块,这三大模块共同构成。
通过摄像头读取视频帧,用人物分割模块来分割图片中的人体,以提取出人体的位置来输入骨架模型得到人体的姿态;由检测模块通过人的姿势或姿态(根据人体骨架头部的点和手部的点的相对位置,来判断姿态)行为来判断吸烟的可能性热成像技术判定烟点燃概率,得出人是否在吸烟的结果,如果是吸烟,用opencv3来在图片上画出来。具体效果如图3所示。
各模块结构说明:
(1)人物分割模块
该模块用来分割图片中的人体,在本项技术中具有很大的灵活性,没有限制必须要用哪一种的人工智能模型来提取人体,可以根据具体的需求来配置不同的模型。本方法是构建一种onestage类型的模型来进行人体的识别,可达到实施效果,该模型以darknet53作为backbone并在三个不同的维度进行目标检测,具体结构如下表1所示。若需要减少计算量提高性能(牺牲些精度),可以修改该模型的backbone为mobilenetv3来进行人体的识别。构建之后用自己的数据集来进行训练,数据集的格式为voc(本实施例中红采用VOC便于标注数据集和对数据集的加载更方便,也可以用label Img以可视化的形式查看数据集),内容为各种场景中人物的图片,以及人物bounding box的坐标;如图5中的表1所示;
训练结束后用该模型对视频帧进行检测,根据输出的bounding box分割出人物图片并传入下一个模块。
(2)抽烟行为检测模块
该模块通对上一个模块得到的分割后的图片,判断是否是人持烟:将图片输入到判断人体姿态的模型中得到人体骨架(如图4所示),通过人体骨架的姿势来判断是否是吸烟的动作。
使用了simplepose骨架识别网络进行获取骨架,以及一个二分类网络模型组合而成,二分类网络结构(k为2)如图6中的表2所示:
使用simple pose预训练模型提取人体上半身的结构并resize为224*224大小图片传入二分类网络结构中,进行判断是否抽烟。当然二分类网络是提前用抽烟人物数据集进行训练得到的,该数据集由抽烟的人物动作骨架以及非抽烟人物动作骨架组成。二分类网络的最后一层输出将会输出一个二维向量,其中第一个数值代表未抽烟的概率,第二个值代表抽烟的概率,取值范围均在0-1之间(0、1均可被取到);
这样的两个步骤主要是通过多个角度多个特征来判断是否吸烟,降低防止吸烟的误报率,提升判断是否是吸烟的准确率。
本实施例中,根据多次实验的经验,得到224*224是能够得到最佳结果的大小。
所述二分类网络采用公式根据点与点之间的距离和判断是否抽烟。头部点[x1,y1],手部点[x2,y2],x=x2-x1,y=y2-y1,距离s=sqrt(x*x+y*y)。
(3)热成像模块
利用在摄像头上装上能够探测到被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件,从而获得红外热像图,这种热像图与物体表面的热分布场相对应。通俗地讲红外热像仪就是将物体发出的不可见红外能量转变为可见的热图像。热图像上面的不同颜色代表被测物体的不同温度。
烟在点燃时会发出与没有点燃时不一样的红外能量。该模块就是通过这两个简单易懂的原理进一步降低吸烟的误报率。
将检测模块中吸烟概率在一定数值上的图片通过热成像技术再一次判断是否吸烟:根据抽烟行为检测模块的概率值挑选人物分割模块得到的bounding box,再用热成像图确定在该bounding box中是否存在热源,若该热源的坐标点位于抽烟行为检测模块中人体骨架中的手部或脸部,则确定该人物存在吸烟行为。若在热成像图上不能判断烟被点燃时的红外能量,那么无论在检测模块中吸烟的概率有多高,均归为没有吸烟。随后将结果传递给前端进行报警。
本发明提供的基于AI及热成像的吸烟监测方法,综合运用AI及热成像两种技术,通过吸烟手势区域图像分割、特征提取以及对烟火点的非接触性探测去判断是否真正存在吸烟行为。在识别时,首先对画面中的图像进行分割,判定人持烟,其次判断人姿势或姿态行为是吸烟的可能性,最后通过热成像技术判定烟点燃概率,得出人是否在吸烟的结果。本发明提供的基于AI及热成像的吸烟监测方法,从多个技术维度上对吸烟行为进行识别判断,最终给出准确的识别结果,极大的提高禁烟场所禁烟的效率。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.基于AI及热成像的吸烟监测方法,其特征在于:所述方法步骤具体如下:
S10、通过摄像装置读取视频帧,获得监测图片;
S20、再对获得的监测图片进行人物分割,获得人物分割图;
S30、分析人物分割图中的姿势或姿态行为,判断是否存在吸烟动作;
S40、若通过步骤S30判断存在吸烟动作,则通过热成像分析确认吸烟行为。
2.根据权利要求1所述的基于AI及热成像的吸烟监测方法,其特征在于:步骤S20中采用one stage检测模型进行图片分割。
3.根据权利要求1所述的基于AI及热成像的吸烟监测方法,其特征在于:步骤S20中通过人体骨架的姿势来判断是否存在吸烟动作。
4.根据权利要求3所述的基于AI及热成像的吸烟监测方法,其特征在于:步骤S30中使用simple pose预训练模型提取图片中人体上半身的结构并将尺寸设置为224*224大小图片传入二分类网络结构中,进行判断是否存在吸烟动作。
5.根据权利要求4所述的基于AI及热成像的吸烟监测方法,其特征在于:所述二分类网络采用公式根据点与点之间的距离和判断是否抽烟。
6.根据权利要求4或5所述的基于AI及热成像的吸烟监测方法,其特征在于:步骤S40中通过热成像分析是否存在热源的具体步骤如下:
若该热源的坐标点位于人体骨架中的手部或脸部,则确定该人物存在吸烟行为;
若该热源的坐标点在热成像图上不能判断烟被点燃时的红外能量,那么无论在检测模块中吸烟的概率有多高,均归为没有吸烟。
7.根据权利要求1所述的基于AI及热成像的吸烟监测方法,其特征在于:还包括步骤S50、若确认吸烟行为,则将进行报警。
8.基于AI及热成像的吸烟监测方法的模块,其特征在于:包括图片人物分割模块、抽烟动作检测模块和热成像模块,其中:
所述图片人物分割模块用于分割获取的图片;
所述抽烟动作检测模块用于分析分割出的图片中的人的姿势或姿态行为,判断是否存在吸烟动作;
若存在吸烟动作,则触发所述热成像模块分析确认吸烟行为。
9.基于AI及热成像的吸烟监测的设备,其特征在于,所述设备包括处理器、存储器,所述处理器与所述存储器通过总线相连接,所述存储器中存储机器可读代码,所述处理器执行存储器中的机器可读代码以执行权利要求1-7之任一项所述的方法。
10.计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序代码,当所述计算机程序代码被计算机执行时以执行权利要求1-7之任一的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348746.7A CN111553275A (zh) | 2020-04-28 | 2020-04-28 | 基于ai及热成像的吸烟监测方法、模块、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348746.7A CN111553275A (zh) | 2020-04-28 | 2020-04-28 | 基于ai及热成像的吸烟监测方法、模块、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111553275A true CN111553275A (zh) | 2020-08-18 |
Family
ID=72000084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010348746.7A Pending CN111553275A (zh) | 2020-04-28 | 2020-04-28 | 基于ai及热成像的吸烟监测方法、模块、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553275A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699750A (zh) * | 2020-12-22 | 2021-04-23 | 南方电网深圳数字电网研究院有限公司 | 基于边缘计算和ai的智慧加油站安全监测方法及系统 |
CN112861608A (zh) * | 2020-12-30 | 2021-05-28 | 浙江万里学院 | 一种分心驾驶行为的检测方法及系统 |
CN113343859A (zh) * | 2021-06-10 | 2021-09-03 | 浙江大华技术股份有限公司 | 吸烟行为检测方法、装置、存储介质及电子装置 |
CN113807276A (zh) * | 2021-09-23 | 2021-12-17 | 江苏信息职业技术学院 | 基于优化的YOLOv4模型的吸烟行为识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009015519A (ja) * | 2007-07-03 | 2009-01-22 | Omron Corp | 喫煙者検出装置、喫煙者警報システム、喫煙者監視サーバ、消し忘れタバコ警報装置、喫煙者検出方法、および、喫煙者検出プログラム |
CN108710837A (zh) * | 2018-05-07 | 2018-10-26 | 广州通达汽车电气股份有限公司 | 吸烟行为识别方法、装置、计算机设备和存储介质 |
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 |
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 |
CN110363140A (zh) * | 2019-07-15 | 2019-10-22 | 成都理工大学 | 一种基于红外图像的人体动作实时识别方法 |
CN110569771A (zh) * | 2019-08-30 | 2019-12-13 | 重庆博拉智略科技有限公司 | 吸烟识别方法、装置、存储介质及电子设备 |
CN110705383A (zh) * | 2019-09-09 | 2020-01-17 | 深圳市中电数通智慧安全科技股份有限公司 | 吸烟行为检测方法、装置、终端和可读存储介质 |
CN110909715A (zh) * | 2019-12-06 | 2020-03-24 | 重庆商勤科技有限公司 | 基于视频图像识别吸烟的方法、装置、服务器及存储介质 |
-
2020
- 2020-04-28 CN CN202010348746.7A patent/CN111553275A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009015519A (ja) * | 2007-07-03 | 2009-01-22 | Omron Corp | 喫煙者検出装置、喫煙者警報システム、喫煙者監視サーバ、消し忘れタバコ警報装置、喫煙者検出方法、および、喫煙者検出プログラム |
CN108710837A (zh) * | 2018-05-07 | 2018-10-26 | 广州通达汽车电气股份有限公司 | 吸烟行为识别方法、装置、计算机设备和存储介质 |
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 |
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 |
CN110363140A (zh) * | 2019-07-15 | 2019-10-22 | 成都理工大学 | 一种基于红外图像的人体动作实时识别方法 |
CN110569771A (zh) * | 2019-08-30 | 2019-12-13 | 重庆博拉智略科技有限公司 | 吸烟识别方法、装置、存储介质及电子设备 |
CN110705383A (zh) * | 2019-09-09 | 2020-01-17 | 深圳市中电数通智慧安全科技股份有限公司 | 吸烟行为检测方法、装置、终端和可读存储介质 |
CN110909715A (zh) * | 2019-12-06 | 2020-03-24 | 重庆商勤科技有限公司 | 基于视频图像识别吸烟的方法、装置、服务器及存储介质 |
Non-Patent Citations (4)
Title |
---|
华正阳: "基于视觉技术的热成像图像识别系统研究", 《通讯世界》 * |
华正阳: "基于视觉技术的热成像图像识别系统研究", 《通讯世界》, no. 12, 25 December 2019 (2019-12-25) * |
林强 等: "《行为识别与智能计算》", 西安电子科技大学出版社, pages: 67 - 70 * |
王涛等: "基于深度学习的烟雾识别研究", 《电子技术应用》, no. 10, 6 October 2018 (2018-10-06) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699750A (zh) * | 2020-12-22 | 2021-04-23 | 南方电网深圳数字电网研究院有限公司 | 基于边缘计算和ai的智慧加油站安全监测方法及系统 |
CN112861608A (zh) * | 2020-12-30 | 2021-05-28 | 浙江万里学院 | 一种分心驾驶行为的检测方法及系统 |
CN113343859A (zh) * | 2021-06-10 | 2021-09-03 | 浙江大华技术股份有限公司 | 吸烟行为检测方法、装置、存储介质及电子装置 |
CN113807276A (zh) * | 2021-09-23 | 2021-12-17 | 江苏信息职业技术学院 | 基于优化的YOLOv4模型的吸烟行为识别方法 |
CN113807276B (zh) * | 2021-09-23 | 2024-04-05 | 江苏信息职业技术学院 | 基于优化的YOLOv4模型的吸烟行为识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553275A (zh) | 基于ai及热成像的吸烟监测方法、模块、设备及介质 | |
US9818023B2 (en) | Enhanced face detection using depth information | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
US8970696B2 (en) | Hand and indicating-point positioning method and hand gesture determining method used in human-computer interaction system | |
JP5594672B2 (ja) | 物体認識装置および物体認識方法 | |
US9183431B2 (en) | Apparatus and method for providing activity recognition based application service | |
EP2339507A1 (en) | Head detection and localisation method | |
US20130230245A1 (en) | People counting device, people counting method and people counting program | |
KR20130099317A (ko) | 인터랙티브 증강현실 구현 시스템 및 증강현실 구현 방법 | |
Ahmad et al. | Overhead view person detection using YOLO | |
US10503969B2 (en) | Hand-raising detection device, non-transitory computer readable medium, and hand-raising detection method | |
CN105468891A (zh) | 用于支持计算机辅助诊断的设备和方法 | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN112200056A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN114138121A (zh) | 用户手势识别方法、装置、系统、存储介质及计算设备 | |
CN109919128A (zh) | 控制指令的获取方法、装置及电子设备 | |
CN117475353A (zh) | 基于视频的异常烟雾识别方法及系统 | |
CN112525355A (zh) | 图像处理方法、装置及设备 | |
JP5217917B2 (ja) | 物体検知追跡装置,物体検知追跡方法および物体検知追跡プログラム | |
JP6920949B2 (ja) | 物体分布推定装置 | |
CN112016505B (zh) | 基于人脸图像的活体检测方法、设备、存储介质及装置 | |
US11488376B2 (en) | Human skin detection based on human-body prior | |
CN114972732A (zh) | 一种烟火检测方法、装置、设备及计算机可读存储介质 | |
JP2015118583A (ja) | 情報処理装置、情報処理方法、並びにプログラム | |
CN112348112A (zh) | 图像识别模型的训练方法、训练装置及终端设备 |
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 |