论文部分内容阅读
为了减少和消除烟草危害,保障公众健康,我国多地发布控制吸烟条例,规定室内公共场所全面禁止吸烟,并明确了室外禁止吸烟的公共场所范围,扩大禁烟范围是大势所趋。与人工监督方法和传统传感器烟雾报警相比,基于计算机视觉的吸烟行为检测系统具有监控范围广、监控资源利用率高、自动定位吸烟者并发出警报等优点。本文结合公共场所和香烟自身特点,研究基于人脸分析的视频吸烟行为检测算法并实现系统在嵌入式平台Xavier上的部署。主要工作如下:(1)提出针对公共场所吸烟者的改进的MTCNN人脸检测算法。从传统机器学习和深度学习两方面对人脸检测算法进行比较分析,阐述了基于Haar-Adaboost的人脸检测算法的局限性。针对公共场所吸烟者的人脸特性,提出了引入锚点(Anchor)的改进的MTCNN算法,能够检测小或极小尺寸的人脸,同时使用稀疏金字塔处理较大尺度人脸,减小网络前向计算量。所提算法在WIDER_FACE测试集人脸检测速度和平均精度上有较明显的提升,保证了算法的实时性和有效性。(2)提出基于人脸分析的吸烟行为检测算法。在改进的MTCNN算法人脸框坐标回归的基础上确定嘴部区域定位规则,比较HOG-SVM分类算法和MobileNet-V1迁移学习分类算法针对嘴部区域吸烟行为的分类效果,融合改进的MTCNN人脸检测算法和基于MobileNet-V1迁移学习的吸烟行为分类算法,构建基于人脸分析的吸烟行为检测算法模型。通过对自建的数据集进行测试,结果表明本文提出的基于人脸分析的吸烟行为检测算法在不同场景下的吸烟行为检测平均准确率为91.06%,对每一视频帧的平均处理时间为38ms,在实时性和准确性上可以达到较好的平衡。(3)将基于人脸分析的吸烟行为检测算法训练好的网络模型进行移植部署,在Jetson AGX Xavier嵌入式平台上架构基于人脸分析的吸烟行为检测系统,实现公共场所的吸烟行为检测,同时发出硬件警报并返回吸烟者图像。结果表明,该系统能够在Jetson AGX Xavier开发平台上实现良好运行。