【技术实现步骤摘要】
本申请涉及室外行为检测，特别涉及一种低误报率的室外场所吸烟行为识别方法。
技术介绍
1、吸烟不仅损害自己的健康，而且还造成二手烟的污染危害。目前，大部分公共场所已经划分了吸烟区与非吸烟区。
2、相关技术当中，通常存在两种吸烟识别方法，分别为基于图像识别的吸烟行为识别方法，以及基于烟雾传感识别的吸烟行为识别方法。其中，基于图像识别的方法主要是对于行为人进行拍摄，在拍摄获得图像后，基于图像当中的内容，判断行为人是否吸烟。基于烟雾传感识别的吸烟行为主要是在环境中设置烟感报警器，当烟感报警器报警时，说明环境内产生烟雾，在公共场所中，烟雾的产生通常与吸烟行为关联，以此判定环境中存在吸烟行为。
3、然而，相关技术当中的两种吸烟识别方法均存在劣势。相关技术中，基于图像识别的吸烟行为识别方法存在较高的误报率，而基于烟雾传感识别的识别方法仅适用于室内环境，而不适用于室外环境。
技术实现思路
1、本申请关于一种低误报率的室外场所吸烟行为识别方法，能够降低室外场景下，对于吸烟行为识别的误报率，该方法应用于计算机设备中，该方法包括：
2、获取待检测图像集合，待检测图像集合为从目标行为视频数据中截取的图像的集合，待检测图像集合中包括至少两张待检测图像，目标行为视频数据用于指示目标行为；
3、将待检测图像集合中的待检测图像输入吸烟行为识别模型，输出得到与待检测图像集合对应的吸烟行为识别结果，吸烟行为识别结果用于指示目标行为与吸烟行为的关联关系；
4、
5、在一个可选的实施例中，图像检测模型组包括物体识别模型、夹持动作识别模型以及吸烟动作识别模型；
6、物体识别模型分别于夹持动作识别模型以及吸烟动作识别模型连接；
7、物体识别模型用于识别待检测图像中是否存在特征物体；
8、夹持动作识别模型用于识别待检测图像中是否存在夹持动作；
9、吸烟动作识别模型用于识别待检测图像中是否存在吸烟动作。
10、在一个可选的实施例中，夹持动作识别模型、物体识别模型以及吸烟动作识别模型实现为二分类模型。
11、在一个可选的实施例中，将待检测图像集合中的待检测图像输入吸烟行为识别模型，输出得到与待检测图像对应的吸烟行为识别结果，包括：
12、将待检测图像输入物体识别模型，输出得到与待检测图像对应的物体识别结果；
13、响应于物体识别结果指示待检测模型中存在特征物体，将待检测图像中的特征物体部分分别输入夹持动作识别模型以及吸烟动作识别模型，输出得到与待检测图像对应的夹持动作检测结果以及吸烟动作检测结果。
14、在一个可选的实施例中，行为输出模型实现为基于softmax函数的分类模型；
15、将与待检测图像对应的图像检测结果输入行为输出模型，输出得到与待检测图像集合对应的吸烟行为识别结果，包括：
16、将与待检测图像对应的图像检测结果输入行为输出模型；
17、通过行为输出模型判断待检测图像集合中，图像检测结果指示待检测图像对应存在吸烟行为的图像数量；
18、响应于图像数量符合数量规则，生成第一吸烟行为识别结果，第一吸烟行为识别结果指示目标行为与吸烟行为关联；
19、响应于图像数量不符合数量规则，生成第二吸烟行为识别结果，第二吸烟行为识别结果指示目标行为与吸烟行为不关联。
20、在一个可选的实施例中，方法还包括：
21、配置与待检测图像对应的时间戳。
22、在一个可选的实施例中，将与待检测图像对应的图像检测结果输入行为输出模型，输出得到与待检测图像集合对应的吸烟行为识别结果，包括：
23、将与待检测图像对应的图像检测结果输入行为输出模型；
24、通过行为输出模型判断待检测图像集合中，图像检测结果指示待检测图像对应存在吸烟行为的图像数量；
25、响应于图像数量符合数量规则，且待检测图像在目标视频中的次序符合吸烟行为次序规则，生成第一吸烟行为识别结果；
26、响应于图像数量不符合数量规则，或，图像数量符合数量规则，且待检测图像在目标视频中的次数不符合吸烟行为次序规则，生成第二吸烟行为识别结果。
27、在一个可选的实施例中，方法还包括：
28、获取样本吸烟行为视频；
29、基于样本吸烟行为视频获取至少两张吸烟行为图片；
30、基于吸烟行为图片生成行为次序规则。
31、在一个可选的实施例中，将待检测图像集合中的待检测图像输入吸烟行为识别模型之前，包括：
32、对待检测图像集合中的待检测图像进行兴趣点识别；
33、基于兴趣点识别的识别结果，对待检测图像进行兴趣点突出处理，兴趣点突出处理包括灰度处理、裁剪处理与放大处理中的至少一种。
34、在一个可选的实施例中，该方法还包括：
35、获取样本图片集以及初始图像检测模型组，样本图片集中包括至少两张样本图片，样本图片标注有样本识别结果；
36、通过样本图片集对初始图像检测模型组进行训练，得到图像检测模型组。
37、本申请各个实施例包含的技术效果至少包括：
38、在结合基于机器学习的图像识别技术，进行吸烟行为识别的过程当中，通过将目标行为视频内用户行为进行待检测图像的截取，并将待检测图像输入吸烟行为识别模型以得到吸烟行为识别结果的方式，基于对应较长时间段内用户行为的多帧图片，结合基于神经网络的人工智能模型组的识别形式，从多维角度对于目标行为视频内用户是否存在吸烟行为进行综合判断，降低了室外场景下，对于吸烟行为识别的误报率。
本文档来自技高网...【技术保护点】
1.一种低误报率的室外场所吸烟行为识别方法，其特征在于，所述方法应用于计算机设备中，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像检测模型组包括物体识别模型、夹持动作识别模型以及吸烟动作识别模型；
3.根据权利要求2所述的方法，其特征在于，所述夹持动作识别模型、所述物体识别模型以及所述吸烟动作识别模型实现为二分类模型。
4.根据权利要求2所述的方法，其特征在于， 所述将所述待检测图像集合中的所述待检测图像输入吸烟行为识别模型，输出得到与所述待检测图像对应的吸烟行为识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述行为输出模型实现为基于softmax函数的分类模型；
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述将与所述待检测图像对应的图像检测结果输入所述行为输出模型，输出得到与所述待检测图像集合对应的吸烟行为识别结果，包括：
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
9.根据
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
...【技术特征摘要】
1.一种低误报率的室外场所吸烟行为识别方法，其特征在于，所述方法应用于计算机设备中，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像检测模型组包括物体识别模型、夹持动作识别模型以及吸烟动作识别模型；
3.根据权利要求2所述的方法，其特征在于，所述夹持动作识别模型、所述物体识别模型以及所述吸烟动作识别模型实现为二分类模型。
4.根据权利要求2所述的方法，其特征在于， 所述将所述待检测图像集合中的所述待检测图像输入吸烟行为识别模型，输出得到与所述待检测图像对应的吸烟行为识别结果，包括：
5.根据权利要求4所述的方法，其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。