CN114220000A - 一种基于深度学习的加油站吸烟行为检测告警方法 - Google Patents
一种基于深度学习的加油站吸烟行为检测告警方法 Download PDFInfo
- Publication number
- CN114220000A CN114220000A CN202111402315.5A CN202111402315A CN114220000A CN 114220000 A CN114220000 A CN 114220000A CN 202111402315 A CN202111402315 A CN 202111402315A CN 114220000 A CN114220000 A CN 114220000A
- Authority
- CN
- China
- Prior art keywords
- gas station
- smoking
- camera
- station
- deep learning
- 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.)
- Granted
Links
- 230000000391 smoking effect Effects 0.000 title claims abstract description 131
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 230000006399 behavior Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013135 deep learning Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 12
- 235000019504 cigarettes Nutrition 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 6
- 239000002828 fuel tank Substances 0.000 claims description 5
- 238000013526 transfer learning Methods 0.000 claims description 5
- 239000002360 explosive Substances 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 124
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 241000098700 Sarcocheilichthys parvus Species 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明的实施例公开一种基于深度学习的加油站吸烟行为检测告警方法，涉及图像识别技术领域。所述方法包括：通过预设摄像头实时采集目标加油站图像；通过预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置；控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。本发明使用吸烟检测算法，对实时采集到的加油站图像进行分析，检测是否存在吸烟行为，存在时及时对加油站的吸烟行为进行告警；也减轻了加油站工作人员负担，能进行全天候24小时的工作，保证了加油站的安全性，确保在加油站场景中，实现零吸烟，避免现有加油站场景的吸烟检测方法存在误看和漏看的情况。
Description
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于深度学习的加油站吸烟行为检测告警方法。
背景技术
由于在加油站，存有大量的油类，空气中会聚集大量可燃性气体，细微的火星都有可能引起火灾，甚至是爆炸。但是，在车辆加油的过程中，往往会存在少量的人员，不顾加油站各处张贴的禁烟标识，在车内或者在车的周围，加油站范围内吸烟，给加油站带来了巨大的安全隐患。
目前，基于加油站场景的吸烟检测方法包括：工作人员巡检、传感器检测及计算机视觉巡查。其中，工作人员巡检主要是在加油的过程中，工作人员观察周围车辆车人员是否存在吸烟行为，如果存在着及时进行禁止，但是工作人员的精力是有限的，在一边加油的同时，只能观察到临近周边的情况，对较远地方无法进行有效的监控，并且此方法也比较耗费人力；传感器检测方法主要依靠烟雾来报警，其监测效果与部署的传感器的数量成正比，为了达到较好的检查效果，往往需要部署大量的传感器，费用投入较大，同时加油站一般都是开放的环境，导致检查效果往往比较差；计算机视觉巡查方法主要是通过摄像头采集加油站的图像信息，目前还达不到自动、智能识别图像信息中的吸烟行为，主要还是靠人工对图像信息中的吸烟行为进行识别，因此容易出现纰漏，不能及时发现吸烟行为。
发明内容
有鉴于此，本发明实施例提供一种基于深度学习的加油站吸烟行为检测告警方法，用于解决现有加油站场景的吸烟检测方法，投入成本高、检测存在漏检问题。本发明使用吸烟检测算法，对实时采集到的加油站图像进行分析，检测是否存在吸烟行为，存在时及时对加油站的吸烟行为进行告警；也减轻了加油站工作人员负担，并能进行全天候24小时的工作，保证了加油站的安全性，确保在加油站场景中，实现零吸烟，解决了现有加油站场景的吸烟检测方法存在漏检的问题。
本发明实施例提供一种基于深度学习的加油站吸烟行为检测告警方法，包括：
通过预设摄像头实时采集目标加油站图像；
通过预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置；
控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
在一可选实施例中，所述闪光灯固定安装于所述摄像头周围；
所述控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警，包括：
获取预先设置于所述目标加油站内不同位置的多个可燃性气体检测传感器检测的可燃性气体浓度值，计算当前目标加油站内可燃性气体的平均浓度值；
根据当前目标加油站内可燃性气体的平均浓度值确定闪光灯的当前所需亮度值；
控制所述摄像头的镜头中心移动对准当前识别定位出的吸烟人员；
控制所述闪光灯以所述当前所需亮度值对所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
在一可选实施例中，所述控制闪光灯对准所述吸烟人员进行闪光照射，还包括：
通过语音播报提醒进所述吸烟人员需及时掐灭烟头。
在一可选实施例中，所述控制闪光灯对准所述吸烟人员进行闪光照射，还包括：
通过所述摄像头采集所述吸烟人员和其身旁车辆图像；
通过迁移学习识别当前采集的图像中的车辆车型和车牌号；
将当前识别的车牌号、车辆车型和所述吸烟人员的图像对应存储。
在一可选实施例中，所述计算当前目标加油站内可燃性气体的平均浓度值，包括：
根据以下第一公式计算当前目标加油站内可燃性气体的平均浓度值：
其中，Q(t)表示当前时刻t目标加油站内可燃性气体的平均浓度值；di表示所述目标加油站内第i个可燃性气体检测传感器距离目标加油站内所有加油箱的平均距离值；fi(t)表示当前时刻t所述第i个可燃性气体检测传感器检测的可燃性气体浓度值；i＝1,2,…,n；n表示所述目标加油站内安装的可燃性气体检测传感器的总数。
在一可选实施例中，所述根据当前目标加油站内可燃性气体的平均浓度值确定闪光灯的当前所需亮度值，包括：
根据以下第二公式计算闪光灯的当前所需亮度值：
其中，R(t)表示时刻t闪光灯的当前所需亮度值；Rmax表示所述闪光灯可达到的最大亮度值；Q0表示所述目标加油站内的可燃性气体爆炸极限的下限浓度值。
在一可选实施例中，所述控制所述摄像头的镜头中心移动对准当前识别定位出的吸烟人员，包括：
根据第三公式计算所述摄像头的镜头中心对准当前识别定位出的吸烟人员所需要转动的角度值；
以所述摄像头当前镜头位置的右侧水平方向为正方向进行顺时针旋转的方向为转动方向，控制所述摄像头沿所述转动方向转动所述所需要转动的角度值，以使所述摄像头中心对准所述吸烟人员；
其中所述第三公式为：
所述第三公式中，θ表示所述摄像头的镜头中心对准当前识别定位出的吸烟人员所需要转动的角度值，(x,y)表示在当前目标加油站图像中识别定位出的吸烟人员位置对应像素点；(x0,y0)表示所述当前目标加油站图像的中心像素点；∩表示取交集符号。
在一可选实施例中，在所述通过预设摄像头实时采集目标加油站图像之前，还包括：
采集大量的加油站中吸烟行为图片，得到训练样本集；
通过深度学习方法yolov5对所述训练样本集进行学习训练，得到所述吸烟检测算法。
本发明提供的一种基于深度学习的加油站吸烟行为检测告警方法，首先通过预设摄像头实时采集目标加油站图像，然后根据此目标加油站图像及预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置，最后控制闪光灯对准所述吸烟人员进行闪光照射，提醒吸烟人员停止吸烟。本发明使用吸烟检测算法，对实时采集到的加油站图像进行分析，检测是否存在吸烟行为，存在时及时对加油站的吸烟行为进行告警；减轻了加油站工作人员负担，并能进行全天候的工作，保证了加油站的安全性，确保在加油站场景中，实现零吸烟，避免现有加油站场景的吸烟检测方法存在误看和漏看的情况。
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简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。
图1为本发明实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法实施例一流程图；
图2为本发明实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法实施例二流程图；
图3为为本发明实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法实施例三流程图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法实施例一流程图。如图1所示，所述方法包括S101-S103：
S101：通过预设摄像头实时采集目标加油站图像。
本实施例中，通过安装于加油站各处的摄像头，实时的采集加油站图像，保证加油站内的车辆和人员都在摄像头范围内，从而便于后面对加油站图像进行分析，识别出吸烟人员和吸烟行为。
S102：通过预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置。
本实施例中，通过吸烟检测算法，对摄像头采集到的当前加油站图像进行分析，识别定位出图像中吸烟人员的位置，便于后面对吸烟人员进行处理。
S103：控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
本实施例中，当识别到加油站内吸烟人员的位置时，控制闪光灯对准吸烟人员进行闪光照射，以达到警告吸烟人员灭烟目的，同时现场的工作人员可根据闪光灯的照射方向知晓吸烟人员位置，在吸烟人员不配合灭烟的情况下，采取强制执行措施。
作为一可选实施例，本步骤S103，还包括：通过语音播报提醒进所述吸烟人员需及时掐灭烟头。
本实施例中，控制闪光灯对准吸烟人员进行闪光照射，提醒其灭掉烟头时，同时伴随语音系统进行语音提醒进而警告吸烟人员需及时掐灭烟头，这样就给了吸烟人员足够的提醒信息，便于其尽快灭掉烟头。
本实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法，使用吸烟检测算法，对实时采集到的加油站图像进行分析，检测是否存在吸烟行为，存在时及时对加油站的吸烟行为进行告警，减轻了加油站人力负担，并能进行全天候的工作，保证了加油站的安全性，确保在加油站场景中，实现零吸烟，避免现有加油站场景的吸烟检测方法存在误看和漏看的情况。
图2为本发明实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法实施例二流程图。如图2所示，所述方法包括S201-S206：
S201：通过预设摄像头实时采集目标加油站图像。
作为一可选实施例，本步骤S201之前，还包括：
S2011：采集大量的加油站中吸烟行为图片，得到训练样本集。
本实施例中，采集大量的加油站中吸烟行为图片作为训练样本集，来训练吸烟检测算法，有利于提高所述吸烟检测算法的检测精度。
S2012：通过深度学习方法yolov5对所述训练样本集进行学习训练，得到所述吸烟检测算法。
本实施例中，yolov5是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。通过深度学习方法yolov5，对摄像头实时采集加油站的图像组成的样本集进行学习训练，得到吸烟检测算法，将算法适用到采集的加油站图像中，可以识别出加油站内吸烟人员的位置，并且该算法也具有运行速度快的优点。
S202：通过预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置。
S203：获取预先设置于所述目标加油站内不同位置的多个可燃性气体检测传感器检测的可燃性气体浓度值，计算当前目标加油站内可燃性气体的平均浓度值。
优选地，根据以下第一公式计算当前目标加油站内可燃性气体的平均浓度值：
其中，Q(t)表示当前时刻t目标加油站内可燃性气体的平均浓度值；di表示所述目标加油站内第i个可燃性气体检测传感器距离目标加油站内所有加油箱的平均距离值；fi(t)表示当前时刻t所述第i个可燃性气体检测传感器检测的可燃性气体浓度值；i＝1,2,…,n；n表示所述目标加油站内安装的可燃性气体检测传感器的总数。其中，
Li,a表示所述第i个可燃性气体检测传感器距离加油站内第a个加油箱的距离值，m表示所述加油站内加油箱的总数。
本实施例中，根据加油站内设置的多个可燃性气体检测传感器采集到的数据，得到当前加油站内可燃性气体的平均浓度值，进而准确知晓当前加油站内可燃气体浓度的情况，并且在第一公式中，利用传感器与加油箱之间的距离比重作为权重保证了计算出的平均浓度值更偏向加油站内加油箱一侧的浓度，进而提高了系统对工作人员和加油人员的安全性。
S204：根据当前目标加油站内可燃性气体的平均浓度值确定闪光灯的当前所需亮度值。
其中，所述闪光灯固定安装于所述摄像头周围，闪光灯可以为红色闪光灯。
优选地，根据以下第二公式计算闪光灯的当前所需亮度值：
其中，R(t)表示时刻t闪光灯的当前所需亮度值；Rmax表示所述闪光灯可达到的最大亮度值；Q0表示所述目标加油站内的可燃性气体爆炸极限的下限浓度值。
本实施例中，根据当前加油站内可燃性气体的平均浓度值，得到围绕在所述摄像头镜头周边的红色闪光灯的亮度值，进而现场的工作人员通过闪光灯的亮度情况及时的对吸烟人员做出相应的警告或强制执行措施，从而保证现场人员的安全性。
S205：控制所述摄像头的镜头中心移动对准当前识别定位出的吸烟人员。
作为一可选实施例，所述步骤S205，包括：
S2051：根据第三公式计算所述摄像头的镜头中心对准当前识别定位出的吸烟人员所需要转动的角度值。
其中，所述第三公式为：
所述第三公式中，θ表示所述摄像头的镜头中心对准当前识别定位出的吸烟人员所需要转动的角度值，它是以摄像头当前镜头位置的右侧水平方向为正方向进行顺时针旋转的角度(弧度制)方向，沿着所述方向移动摄像头直至摄像头的镜头中心对准所述加油站内吸烟人员停止，(x,y)表示在当前目标加油站图像中识别定位出的吸烟人员位置对应像素点，此点为所述实时采集的加油站图像中吸烟人员的烟头火星位置为图像中的第x行第y列的像素点；(x0,y0)表示所述当前目标加油站图像的中心像素点；∩表示取交集符号。
S2052：以所述摄像头当前镜头位置的右侧水平方向为正方向进行顺时针旋转的方向为转动方向，控制所述摄像头沿所述转动方向转动所述所需要转动的角度值，以使所述摄像头中心对准所述吸烟人员。
本实施例中，根据识别到的所述加油站内吸烟人员的位置得到将所述摄像头的镜头中心对准所述加油站内吸烟人员所需要转动的方向角度值，进而使得摄像头对准所述吸烟人员，并且可以使所述吸烟人员能看到围绕在所述摄像头镜头周边的红色闪光灯，即而可以尽快掐灭烟头。
S206：控制所述闪光灯以所述当前所需亮度值对所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
本实施例中，现场的工作人员可通过闪光灯的亮度情况及时的对吸烟人员做出相应的警告或强制执行措施，保证加油站的安全。
本实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法，根据当前加油站内可燃性气体的平均浓度值，计算获得闪光灯(如红色闪光灯)的当前所需亮度值，接着控制所述闪光灯以所述当前所需亮度值对所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警，现场的工作人员可根据闪光灯的亮度知晓当前的危险程度，便于及时的对吸烟人员做出相应的警告或强制执行措施，保障加油站的安全。
图3为本发明实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法实施例三流程图。如图3所示，所述方法包括S301-S306：
S301：通过预设摄像头实时采集目标加油站图像。
S302：通过预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置。
S303：控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
S304：通过所述摄像头采集所述吸烟人员和其身旁车辆图像。
本实施例中，通过摄像头采集吸烟人员和其身旁车辆图像，便于后续开展获取相关信息(如车牌)的工作。
S305：通过迁移学习识别当前采集的图像中的车辆车型和车牌号。
本实施例中，迁移学习是一种机器学习方法，就是把为任务A开发的模型作为初始点，重新使用在为任务B开发模型的过程中。深度学习中，在计算机视觉任务和自然语言处理任务中将预训练的模型作为新模型的起点是一种常用的方法，通常这些预训练的模型在开发神经网络的时候已经消耗了巨大的时间资源和计算资源，迁移学习可以将已习得的强大技能迁移到相关的的问题上。在用迁移学习识别当前采集的图像中的车辆车型和车牌号，将有效地提高计算的效率，减少训练成本。
S306：将当前识别的车牌号、车辆车型和所述吸烟人员的图像对应存储。
本实施例中，将吸烟人员及其对应的车牌号、车辆车型进行捆绑存储，便于后续开展追踪工作。
本实施例提供的一种基于深度学习的加油站吸烟行为检测告警方法，在识别到加油站有人吸烟后，及时保存当前吸烟人员的图像以及影像并利用迁移学习进行车型和车牌号识别，并将车牌与车牌号码与吸烟人身份进行绑定，保证追究责任时的责任到人，即可以协助第一时间找到责任人。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，包括：
通过预设摄像头实时采集目标加油站图像；
通过预设吸烟检测算法，识别定位出当前目标加油站图像中吸烟人员位置；
控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
2.如权利要求1所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，所述闪光灯固定安装于所述摄像头周围；
所述控制闪光灯对准所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警，包括：
获取预先设置于所述目标加油站内不同位置的多个可燃性气体检测传感器检测的可燃性气体浓度值，计算当前目标加油站内可燃性气体的平均浓度值；
根据当前目标加油站内可燃性气体的平均浓度值确定闪光灯的当前所需亮度值；
控制所述摄像头的镜头中心移动对准当前识别定位出的吸烟人员；
控制所述闪光灯以所述当前所需亮度值对所述吸烟人员进行闪光照射，以对所述吸烟人员进行告警。
3.如权利要求1所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，所述控制闪光灯对准所述吸烟人员进行闪光照射，还包括：
通过语音播报提醒进所述吸烟人员需及时掐灭烟头。
4.如权利要求1所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，所述控制闪光灯对准所述吸烟人员进行闪光照射，还包括：
通过所述摄像头采集所述吸烟人员和其身旁车辆图像；
通过迁移学习识别当前采集的图像中的车辆车型和车牌号；
将当前识别的车牌号、车辆车型和所述吸烟人员的图像对应存储。
5.如权利要求2所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，所述计算当前目标加油站内可燃性气体的平均浓度值，包括：
根据以下第一公式计算当前目标加油站内可燃性气体的平均浓度值：
其中，Q(t)表示当前时刻t目标加油站内可燃性气体的平均浓度值；di表示所述目标加油站内第i个可燃性气体检测传感器距离目标加油站内所有加油箱的平均距离值；fi(t)表示当前时刻t所述第i个可燃性气体检测传感器检测的可燃性气体浓度值；i＝1,2,…,n；n表示所述目标加油站内安装的可燃性气体检测传感器的总数。
6.如权利要求5所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，所述根据当前目标加油站内可燃性气体的平均浓度值确定闪光灯的当前所需亮度值，包括：
根据以下第二公式计算闪光灯的当前所需亮度值：
其中，R(t)表示时刻t闪光灯的当前所需亮度值；Rmax表示所述闪光灯可达到的最大亮度值；Q0表示所述目标加油站内的可燃性气体爆炸极限的下限浓度值。
7.如权利要求2所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，所述控制所述摄像头的镜头中心移动对准当前识别定位出的吸烟人员，包括：
根据第三公式计算所述摄像头的镜头中心对准当前识别定位出的吸烟人员所需要转动的角度值；
以所述摄像头当前镜头位置的右侧水平方向为正方向进行顺时针旋转的方向为转动方向，控制所述摄像头沿所述转动方向转动所述所需要转动的角度值，以使所述摄像头中心对准所述吸烟人员；
其中所述第三公式为：
所述第三公式中，θ表示所述摄像头的镜头中心对准当前识别定位出的吸烟人员所需要转动的角度值，(x,y)表示在当前目标加油站图像中识别定位出的吸烟人员位置对应像素点；(x0,y0)表示所述当前目标加油站图像的中心像素点；∩表示取交集符号。
8.如权利要求1-7任一项所述的一种基于深度学习的加油站吸烟行为检测告警方法，其特征在于，在所述通过预设摄像头实时采集目标加油站图像之前，还包括：
采集大量的加油站中吸烟行为图片，得到训练样本集；
通过深度学习方法yolov5对所述训练样本集进行学习训练，得到所述吸烟检测算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111402315.5A CN114220000B (zh) | 2021-11-23 | 2021-11-23 | 一种基于深度学习的加油站吸烟行为检测告警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111402315.5A CN114220000B (zh) | 2021-11-23 | 2021-11-23 | 一种基于深度学习的加油站吸烟行为检测告警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114220000A true CN114220000A (zh) | 2022-03-22 |
| CN114220000B CN114220000B (zh) | 2022-09-20 |
Family
ID=80698081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111402315.5A Active CN114220000B (zh) | 2021-11-23 | 2021-11-23 | 一种基于深度学习的加油站吸烟行为检测告警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114220000B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201662872U (zh) * | 2009-09-23 | 2010-12-01 | 深圳市锦铭科技有限公司 | 主动式气体探测报警装置 |
| CN105067563A (zh) * | 2015-07-09 | 2015-11-18 | 中国科学院上海光学精密机械研究所 | 开放空间气体平均浓度测量装置及测量方法 |
| CN105972785A (zh) * | 2016-06-30 | 2016-09-28 | 武汉华育诺为信息技术有限公司 | 一种基于手持终端的家用电器控制系统及控制方法 |
| CN106839345A (zh) * | 2017-04-05 | 2017-06-13 | 武汉华育诺为信息技术有限公司 | 一种基于手持终端的家用电器控制系统及控制方法 |
| WO2017164033A1 (ja) * | 2016-03-22 | 2017-09-28 | コニカミノルタ株式会社 | ガス測定装置 |
| US20180202923A1 (en) * | 2015-07-17 | 2018-07-19 | Konica Minolta, Inc. | Gas Detection Device and Gas Detection Method |
| CN108431596A (zh) * | 2015-12-30 | 2018-08-21 | 皇家飞利浦有限公司 | 暴露于空气污染物的跟踪 |
| CN109270911A (zh) * | 2018-11-06 | 2019-01-25 | 成都大学 | 一种智能物业管控系统 |
| CN110865114A (zh) * | 2019-11-01 | 2020-03-06 | 深圳国氢新能源科技有限公司 | 室内氢气监测方法及监测系统 |
| CN110930666A (zh) * | 2019-11-25 | 2020-03-27 | 广东诚安时代消防科技有限公司 | 智慧城市消防安全预警系统 |
| CN112329719A (zh) * | 2020-11-25 | 2021-02-05 | 江苏云从曦和人工智能有限公司 | 行为识别方法、装置以及计算机可读存储介质 |
| CN112820063A (zh) * | 2021-04-19 | 2021-05-18 | 四川鼎锐成科技有限公司 | 一种基于图像数据处理的消防预警系统 |
| CN113011211A (zh) * | 2019-12-19 | 2021-06-22 | 深圳云天励飞技术有限公司 | 一种吸烟行为的检测方法、装置、电子设备及存储介质 |
| CN113239873A (zh) * | 2021-06-01 | 2021-08-10 | 平安科技（深圳）有限公司 | 吸烟行为识别方法、系统、计算机设备和存储介质 |
-
2021
- 2021-11-23 CN CN202111402315.5A patent/CN114220000B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201662872U (zh) * | 2009-09-23 | 2010-12-01 | 深圳市锦铭科技有限公司 | 主动式气体探测报警装置 |
| CN105067563A (zh) * | 2015-07-09 | 2015-11-18 | 中国科学院上海光学精密机械研究所 | 开放空间气体平均浓度测量装置及测量方法 |
| US20180202923A1 (en) * | 2015-07-17 | 2018-07-19 | Konica Minolta, Inc. | Gas Detection Device and Gas Detection Method |
| US20190004023A1 (en) * | 2015-12-30 | 2019-01-03 | Koninklijke Philips N.V. | Tracking exposure to air pollution |
| CN108431596A (zh) * | 2015-12-30 | 2018-08-21 | 皇家飞利浦有限公司 | 暴露于空气污染物的跟踪 |
| WO2017164033A1 (ja) * | 2016-03-22 | 2017-09-28 | コニカミノルタ株式会社 | ガス測定装置 |
| CN105972785A (zh) * | 2016-06-30 | 2016-09-28 | 武汉华育诺为信息技术有限公司 | 一种基于手持终端的家用电器控制系统及控制方法 |
| CN106839345A (zh) * | 2017-04-05 | 2017-06-13 | 武汉华育诺为信息技术有限公司 | 一种基于手持终端的家用电器控制系统及控制方法 |
| CN109270911A (zh) * | 2018-11-06 | 2019-01-25 | 成都大学 | 一种智能物业管控系统 |
| CN110865114A (zh) * | 2019-11-01 | 2020-03-06 | 深圳国氢新能源科技有限公司 | 室内氢气监测方法及监测系统 |
| CN110930666A (zh) * | 2019-11-25 | 2020-03-27 | 广东诚安时代消防科技有限公司 | 智慧城市消防安全预警系统 |
| CN113011211A (zh) * | 2019-12-19 | 2021-06-22 | 深圳云天励飞技术有限公司 | 一种吸烟行为的检测方法、装置、电子设备及存储介质 |
| CN112329719A (zh) * | 2020-11-25 | 2021-02-05 | 江苏云从曦和人工智能有限公司 | 行为识别方法、装置以及计算机可读存储介质 |
| CN112820063A (zh) * | 2021-04-19 | 2021-05-18 | 四川鼎锐成科技有限公司 | 一种基于图像数据处理的消防预警系统 |
| CN113239873A (zh) * | 2021-06-01 | 2021-08-10 | 平安科技（深圳）有限公司 | 吸烟行为识别方法、系统、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114220000B (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117037406B (zh) | 一种森林火灾智能化监控和预警系统 | |
| CN108051547A (zh) | 一种具有实时预警功能的空气质量监控系统 | |
| CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
| CN108389359A (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN116778192B (zh) | 一种基于空地设备协同的火灾安全预警系统 | |
| CN111127849B (zh) | 一种综合考虑气象及化工厂周边区域的事故预警方法 | |
| CN112990069B (zh) | 异常驾驶行为检测方法、装置、终端及介质 | |
| CN111257507A (zh) | 一种基于无人机的气体浓度检测及事故预警系统 | |
| CN112780344A (zh) | 一种矿井内危险区域入侵监测方法及系统 | |
| CN111259855A (zh) | 基于深度学习的移动式安全帽佩戴检测方法 | |
| CN114220000B (zh) | 一种基于深度学习的加油站吸烟行为检测告警方法 | |
| CN115376269A (zh) | 一种基于无人机的火灾监控系统 | |
| CN112949457A (zh) | 基于增强现实技术的维修方法、装置及系统 | |
| CN113713292A (zh) | 一种基于YOLOv5模型进行精准火焰判别、灭火点定位与快速灭火的方法与装置 | |
| CN117392591A (zh) | 一种现场安防ai检测方法及装置 | |
| CN114117717A (zh) | 一种森林防火监控方法、装置和系统 | |
| CN117763934A (zh) | 一种基于深度学习的微型管廊气体监测方法及系统 | |
| CN116341776A (zh) | 一种基于大数据的森林防火智能检测系统与方法 | |
| CN117557966A (zh) | 基于监控图像识别的校园异常行为安全检测方法及系统 | |
| CN112861737A (zh) | 一种基于图像暗通道与YoLov3的森林火灾烟雾检测方法 | |
| CN114693722A (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| CN114493332A (zh) | 供氢安全管控方法、装置、计算机设备及存储介质 | |
| CN113609925A (zh) | 一种lng装卸作业安全管控系统及违规行为识别方法 | |
| CN116091989A (zh) | 一种违章审核方法、装置及存储介质 | |
| CN114139745A (zh) | 轨道交通供配电设施的信息处理与控制方法、装置及终端 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |