基于深度学习的烟支检测技术研究与应用

发布时间：2022-01-13 09:05

　　吸烟危害健康已是众所周知,在公共场所吸烟不仅关系到到吸烟者本身,也会形成二手烟危害周围人们健康,而且不规范的吸烟行为还会诱发公共场所火灾的发生,给社会各界带来不可估计的损失。因此,加大公共场所禁烟力度已成为不可逆转的趋势。但目前基于烟雾传感器的吸烟检测技术由于通风等环境因素的干扰,检测效果并不理想,而基于传统计算机视觉的吸烟检测技术的检测准确度也不高,所以研究如何快速准确地进行吸烟检测变得愈发迫切。随着深度学习的崛起,基于卷积神经网络（Convolutional Neural Networks,CNN）的烟支检测技术被用来识别吸烟行为,并取得了一定的成果。然而作为当下主要的研究方法,基于CNN的烟支检测技术在实际场景中经常受到诸如吸烟姿态、光照、复杂背景等内外部干扰因素的影响,检测性能有待进一步提升。本文主要对基于卷积神经网络的烟支检测技术进行研究,改善目前烟支检测算法中存有的缺陷,提高烟支目标识别的准确率。主要研究内容包括:（1）基于CNN的目标检测算法是对视频逐帧检测,但由于该类算法存在结构复杂且参数多的缺点,导致整体检测算法过于复杂,从而使得检测时间过长以及电脑硬件占用率过高。为... 

【文章来源】：西安邮电大学陕西省

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

全连接和卷积神经网络示意图

西安邮电大学硕士学位论文8和卷积神经网络的连接图，对于全连接层来说，图片与隐藏节点之间的参数量为10^12。同样图像尺寸，采用卷积核为10×10的卷积操作，参数量只降低到10^8，局部连接将网络的参数量减少为原来的万分之一。在以上基础再次减少参数量降低学习难度，规定在卷积操作中每个卷积核在不同感受野区域的权值参数与尺度是一致的，即权值共享机制。所以局部连接的每个神经元都对应卷积操作的100个参数，10^6个神经元的100个参数都是相等的，则参数量减少到100。图2.1全连接和卷积神经网络示意图作为卷积神经网络最重要的两大特点，局部感受野和权值共享操作有效减少了网络训练的参数量，合理简化了复杂的网络结构，大大降低了网络的训练难度。图2.2为卷积神经网络结构图，主要包括图像输入、图像预处理、网络模型和目标函数四部分，其中网络模型结构由卷积层、池化层以及全连接层组成，其中卷积层利用激活函数增加非线性因素，利用BP算法训练网络。图2.2卷积神经网络结构图2.2.1卷积层卷积层是卷积神经网络的核心部分，主要是利用卷积核对输入对图像的某个局部感受野进行指定模式的操作，且卷积核的通道与前层输入图像的通道相同。在CNN前向传播中，卷积核对输入图片进行点积运算，步长一般固定为1，图2.3为卷积运算的细节流程。

第2章深度学习理论及目标检测算法概述9图2.3二维离散卷积运算过程利用数学来描述卷积运算的时候，使用x来表示特征图，y代表经过卷积运算的输出。w来表示输入的特征向量x与输出的特征向量y之间的计算权重，即网络通过数据训练学习到的模型参数。如下所示为第l层的第j个特征图卷积运算操作：1jlllljiijjiMyxwb（2.1）式（2.1）中，l1ix表示第l-1层的第i个特征图；lijw和lib表示卷积核权重和偏置；ljy作为卷积层的输出将被传入激活函数中。2.2.2激活函数激活函数将非线性特性引入到神经网络中，使其拥有非线性特性。激活函数的作用主要如下：由于输入图片现实中一般都呈非线性式分布，而仅仅使用线性的卷积和全连接模型会使复杂函数的表示能力会严重下降，所以引进非线性的激活函数以后，神经网络就可以更好的适用于非线性模型；再者激活函数可以将输出信号规整到一个合理的可方便应用范围之内。搭建神经网络过程中，激活函数的选择与使用是至关重要的一步，在实践过程中，xf)(来表示非线性激活函数，使用比较广泛的传统激活函数如下：1Sigmoid()1xxe（2.2）Tanh()xxxxeexee（2.3）Sigmoid和Tanh函数作为激活函数在反向传播时，都面临着梯度消失的问题[32][33]。因此，Nair等人提出了线性整流函数（RectifiedLinearUnit,ReLU）[34]，该函数具有单侧抑制性，在正值不变的基础上将所有的负值都变为0，使得网络中的神经元具有

【参考文献】：
期刊论文
[1]基于候选区域的深度学习目标检测算法综述[J]. 詹炜,Inomjon Ramatov,崔万新,喻晶精.  长江大学学报(自然科学版). 2019(05)
[2]基于机器学习的目标检测算法综述[J]. 李名波.  计算机产品与流通. 2019(06)
[3]基于LBP-HSV模型及改进SIFT算法的行人再识别算法[J]. 晋丽榕,王海梅,徐丹萍.  计算机测量与控制. 2018(05)
[4]人脸检测方法综述[J]. 李娥.  信息技术与信息化. 2018(04)
[5]结合HSV空间的水面图像特征水岸线检测[J]. 彭明阳,王建华,闻祥鑫,丛晓奕.  中国图象图形学报. 2018(04)
[6]《烟草控制框架公约》对全球烟草市场的影响研究[J]. 秦怡峰,李德华,丁磊,刘晶晶,黄妍.  中国国际财经(中英文). 2017(14)
[7]修订《上海市公共场所控制吸烟条例》,努力打造“无烟上海”[J]. 杨建军,唐琼.  健康教育与健康促进. 2017(02)
[8]基于改进sigmoid激活函数的深度神经网络训练算法研究[J]. 黄毅,段修生,孙世宇,郎巍.  计算机测量与控制. 2017(02)
[9]BP神经网络算法改进及应用研究[J]. 李如平,朱炼,吴房胜,徐珍玉.  菏泽学院学报. 2016(02)
[10]基于显著性检测和高斯混合模型的早期视频烟雾分割算法[J]. 贾阳,林高华,王进军,方俊,张永明.  计算机工程. 2016(02)



本文编号：3586130