基于深度学习图像处理的吸烟行为检测

发布时间：2023-02-07 19:07

　　据2019年世界卫生组织统计,全球共有11亿烟民,其中我国烟民总数超3.6亿,是世界上吸烟人数最多的国家。烟草中至少含有70多种致癌物,吸烟或者被动吸烟会对人健康成巨大的伤害,我国每年治疗烟草相关疾病花费约3.5万亿元。吸烟不仅危害健康,也是火灾患之一,每年约20%的火灾由吸烟引起。着社会的发展,吸烟所引起的健康、经济和环境受到了人们的强烈关注。传统吸烟检测主要利用烟探测器,检测烟烟判断该区域是否有人吸烟,但是该方法精度低,只能判断是否有人吸烟,无法准确识别吸烟者,而且吸烟产生的烟少,因此烟探测器多用于火灾报警,无法判断是否存在吸烟行为。着人工智能、计算机视觉、深度学习的发展和硬件计算能力的提,图像处理技术渐应用于诸多域,如人脸识别、自动、缺检测等。百度率先提出AI控烟,利用深度学习训练控烟模型,自动识别图像中的吸烟者。本文在此背景和基础上,提出一种基于深度学习图像处理的吸烟行为检测算法,以图像数据为入,深度学习网络自主提取目标特征并对目标行分类,从而检测图像中是否存在吸烟者。分析对比当前基于深度学习的目标检测算法,综合检测度和精度两大指标,以YOLOv3算法为基础,在Win10系统下...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 论文背景及研究意义
    1.2 吸烟检测研究现状
        1.2.1 基于烟雾的化学特性检测
        1.2.2 基于视频图像特征检测
    1.3 吸烟检测现存的问题
    1.4 论文内容及章节安排
第二章 吸烟检测可行性研究
    2.1 需求分析
        2.1.1 功能性需求分析
        2.1.2 非功能需求分析
    2.2 可行性分析
    2.3 开发技术介绍
        2.3.1 深度学习
        2.3.2 人机界面
    2.4 本章小结
第三章 吸烟检测算法原理
    3.1 基于YOLO的吸烟检测算法
    3.2 搭建深度学习环境
    3.3 建立吸烟图像数据集
        3.3.1 图像采集
        3.3.2 图像预处理
    3.4 数据标注
    3.5 数据集划分
    3.6 本章小结
第四章 深度学习吸烟检测算法实现及优化
    4.1 吸烟检测算法训练
    4.2 算法初步测试
    4.3 算法优化
        4.3.1 GIOU
        4.3.2 多尺度融合检测
        4.3.3 YOLOv3-SPP
    4.4 算法比较
    4.5 本章小结
第五章 系统实现
    5.1 系统设计方案
    5.2 界面设计与实现
        5.2.1 登录界面
        5.2.2 注册界面
        5.2.3 检测界面
    5.3 系统测试
        5.3.1 登录界面测试
        5.3.2 注册界面测试
        5.3.3 检测界面测试
    5.4 本章小结
第六章 总结与展望
    6.1 课题主要成果
    6.2 研究展望
参考文献
在学期间的研究成果
致谢



本文编号：3737274