(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221094576 0.4 (22)申请日 2022.08.08 (71)申请人 齐鲁工业大学 地址 250353 山东省济南市长清区大 学路 3501号 (72)发明人 邓立霞　李洪泉　刘海英　孙凤乾　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/20(2022.01) G06V 10/40(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种轻型吸烟检测方法及系统 (57)摘要 本发明公开一种轻型吸烟检测方法及系统， 该方法包括： 获取若干存在吸烟行为的吸烟图 像， 对吸烟图像进行预处理； 对吸烟图像中的吸 烟行为进行标签标注， 将若干标注标签的吸烟图 像作为训练样本集， 对预设的吸烟检测模型进行 训练； 实时获取监控视频帧， 利用训练完成的吸 烟检测模型进行判断， 视频帧中是否存在吸烟行 为。 其中， 预设的吸烟检测模型包括以融合深度 可分离卷积网络和CSPNet 的残差网络为骨干特 征提取网络和以融合PANet和DW ‑CSP‑Net的网络 为多尺度特征提取网络。 本发明通过构建轻型吸 烟检测模型， 实现了更低的吸烟检测的计算量和 参数量， 减少硬件设备的损耗， 实现了轻量化的 吸烟检测。 权利要求书2页 说明书7页 附图3页 CN 115240118 A 2022.10.25 CN 115240118 A 1.一种轻 型吸烟检测方法， 其特 征是， 包括： 获取若干存在吸烟行为的吸烟图像， 对吸烟图像进行 预处理； 对吸烟图像中的吸烟行为进行标签标注， 将若干标注标签的吸烟图像作为训练样本 集， 对预设的吸烟检测模型进行训练； 其中， 所述预设的吸烟检测模型的构建过程为： 搭建 骨干特征提取网络； 搭建多尺度特征提取网络； 将搭建的骨干特征提取网络与多尺度特征 提取网络进行拼接， 得到预设的吸烟检测模型； 实时获取监控视频帧， 利用训练完成的吸烟检测模型进行判断， 视频帧中是否存在 吸 烟行为。 2.如权利要求1所述的一种轻型吸烟检测方法， 其特征是， 对吸烟图像进行预处理， 包 括： 首先， 对吸烟图像进行随机 旋转、 扭曲、 缩放处 理； 其次， 采用Mosaic数据增强技 术处理吸烟图像； 最后， 将吸烟图像尺寸归一 化为同一大小。 3.如权利 要求1所述的一种轻型吸烟检测方法， 其特征是， 利用labeling标注工具对预 处理完成后的吸烟图像中的吸烟行为进 行标签标注， 其中， 针对所有的吸烟行为， 采用五个 参数确定， 该参数分别为： 类别参数、 目标中心坐标参数、 目标宽高参数。 4.如权利要求1所述的一种轻型吸烟检测方法， 其特征是， 所述骨干特征提取网络为融 合深度可分离卷积网络DW和跨阶段局部网络 CSPNet的DW ‑CSP‑Net残差网络； 所述残差网络采用双通道的特征传递网络， 在通道一中， 采用卷积减少一半的通道数； 在通道二中， 首先采用卷积减少一半的通道数， 其次， 采用深度可分离卷积对输入图像进 行 运算， 提取图像吸烟特征； 将两通道得到的输出特征进行连接， 得到残差网络输出的特征 图。 5.如权利要求1所述的一种轻型吸烟检测方法， 其特征是， 所述多尺度 特征提取网络为 融合路径聚合网络PANet和DW ‑CSP‑Net网络， 该网络采用自上而下和自下而上的双路径特 征融合方式， 输出多尺度特 征图。 6.一种轻 型吸烟检测系统， 其特 征是， 包括： 吸烟图像预处理模块， 用于获取若干存在 吸烟行为的吸烟图像， 对吸烟图像进行预处 理； 吸烟检测模型训练模块， 用于对吸烟图像中的吸烟行为进行标签标注， 将若干标注标 签的吸烟图像作为训练样本集， 对预设的吸烟检测模型进行训练； 其中， 所述预设的吸烟检 测模型的构建过程为： 搭建骨干特征提取网络； 搭建多尺度特征提取网络； 将搭建的骨干特 征提取网络与多尺度特 征提取网络进行拼接， 得到预设的吸烟检测模型； 吸烟检测模块， 用于实时获取监控视频帧， 利用训练完成的吸烟检测模型进行判断， 视 频帧中是否存在吸烟行为。 7.如权利要求6所述的一种轻型吸烟检测系统， 其特征是， 所述骨干特征提取网络为融 合深度可分离卷积网络DW和跨阶段局部网络 CSPNet的DW ‑CSP‑Net残差网络； 所述残差网络采用双通道的特征传递网络， 在通道一中， 采用卷积减少一半的通道数； 在通道二中， 首先采用卷积减少一半的通道数， 其次， 采用深度可分离卷积对输入图像进 行 运算， 提取图像吸烟特征； 将两通道得到的输出特征进行连接， 得到残差网络输出的特征权　利　要　求　书 1/2 页 2 CN 115240118 A 2图。 8.如权利要求6所述的一种轻型吸烟检测系统， 其特征是， 所述多尺度 特征提取网络为 融合路径聚合网络PANet和DW ‑CSP‑Net网络， 该网络采用自上而下和自下而上的双路径特 征融合方式， 输出多尺度特 征图。 9.一种电子设备， 其特征是： 包括存储器和处理器以及存储在存储器上并在处理器上 运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成如权利要求 1‑5中任一项 所述的 一种轻型吸烟检测方法的步骤。 10.一种计算机可读存储介质， 其特征是： 用于存储计算机指令， 所述计算机指令被处 理器执行时， 完成如权利要求1 ‑5中任一项所述的一种轻 型吸烟检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115240118 A 3