一种基于深度学习的吸烟检测方法和系统与流程
技术特征:
1.一种基于深度学习的吸烟检测方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述吸烟区域检测模型包括如下的构建过程:
3.如权利要求1所述的方法,其特征在于,所述当所述图像采集数据中存在疑似吸烟区域时,利用bytetrack目标跟踪算法,生成吸烟动作轨迹,包括:
4.如权利要求3所述的方法,其特征在于,所述基于所述吸烟扩大区域,利用bytetrack目标跟踪算法,生成吸烟动作轨迹,包括:
5.如权利要求4所述的方法,其特征在于,所述根据所述相邻帧的图像特征数据之间的相似度,利用bytetrack目标跟踪算法,生成吸烟动作轨迹,包括:
6.如权利要求1所述的方法,其特征在于,所述根据所述吸烟动作轨迹,确定所述待识别的禁烟区域是否存在吸烟行为,包括:
7.如权利要求1所述的方法,其特征在于,所述获取待识别的禁烟区域的图像采集数据之后,所述基于所述图像采集数据,利用预先构建的吸烟区域检测模型,得到所述图像采集数据中是否存在疑似吸烟区域之前,还包括:
8.如权利要求1所述的方法,其特征在于,所述根据所述吸烟动作轨迹,确定所述待识别的禁烟区域是否存在吸烟行为之后,还包括:
9.一种基于深度学习的吸烟检测系统,其特征在于,包括:
10.如权利要求9所述的系统,其特征在于,所述行为判断模块中的吸烟区域检测模型包括如下的构建过程:
技术总结
本发明提供了一种基于深度学习的吸烟检测方法和系统,包括:获取待识别的禁烟区域的图像采集数据;基于所述图像采集数据,利用预先构建的吸烟区域检测模型,得到所述图像采集数据中是否存在疑似吸烟区域;当所述图像采集数据中存在疑似吸烟区域时,利用ByteTrack目标跟踪算法,生成吸烟动作轨迹;根据所述吸烟动作轨迹,确定所述待识别的禁烟区域是否存在吸烟行为;本发明通过结合神经网络和ByteTrack目标确定视觉特征,能有效提高识别疑似吸烟区域的准确率,减少误报和漏报,还有利于减少人力成本。
技术研发人员:张民,李睿
受保护的技术使用者:北京商海文天科技发展有限公司
技术研发日:
技术公布日:2024/11/14
文档序号 :
【 39999664 】
技术研发人员:张民,李睿
技术所有人:北京商海文天科技发展有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:张民,李睿
技术所有人:北京商海文天科技发展有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
