[发明专利]一种基于机器视觉的吸烟行为人工智能检测方法

说明书

本发明提供一种基于机器视觉的吸烟行为人工智能检测方法，包括：构建CNN特征提取算法，该算法通过大量的简单神经元组成，根据非线性关系将底层特征抽象表示为高层特征；构建检测模型，是由三个CNN组成的多尺度的特征提取模型，与现有技术相比，本发明具有如下的有益效果：可以长时间监控，避免人工检测的疏忽、遗漏或者误判安全隐患。

技术领域

本发明是一种基于机器视觉的吸烟行为人工智能检测方法，属于人工智能检测技术领域。

背景技术

在施工现场，吸烟作为一种最常见的人员不安全行为，是产生火灾的重要隐患来源。然而，长期以来，我国施工区作业人员普遍存在综合素质低、安全意识不强的问题，尤其存在侥幸心理，大大增加了现场安全风险。传统的人工监管存在如下缺点：

一、人力成本增加；

二、人工长时间监控易疲劳，致使监控的疏忽、遗漏或者误判安全隐患；

三、人工监控和人员情绪、状态、工作经验、性格和生活条件的影响，容易在监管治理过程中产生矛盾，引发其他不和谐事件的产生。

因此，人工检查存在监管费用高、主观干扰大、不能全程监控等一系列问题。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于机器视觉的吸烟行为人工智能检测方法，以解决上述背景技术中提出的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于机器视觉的吸烟行为人工智能检测方法，包括：

构建CNN特征提取算法，该算法通过大量的简单神经元组成，根据非线性关系将底层特征抽象表示为高层特征；

构建检测模型，是由三个CNN组成的多尺度的特征提取模型。

进一步地，在构建CNN特征提取算法中：深度学习是通过大量的简单神经元组成，根据非线性关系将底层特征抽象表示为高层特征，卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面包括多个独立神经元，网络中由一些简单元和复杂元组成，分别记为S-元和C-元。

进一步地，在构建检测模型中，每个CNN模型共有八层，其中有五个卷积层和三个全连接层，对于每一张图片，都会自动的提取三个嵌套的越来越小的矩形窗口的特征，分别为脸部区域、身体区域以及吸烟行为区域，这三个由CNN提取的特征送到两个全连接层，第二个全连接层的输出被送到输出层，最后用线性支持向量机分类器对所有子块进行分类。

本发明的有益效果：本发明的一种基于机器视觉的吸烟行为人工智能检测方法，可以长时间监控，避免人工检测的疏忽、遗漏或者误判安全隐患。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

本发明提供一种技术方案：一种基于机器视觉的吸烟行为人工智能检测方法，包括：

构建CNN特征提取算法，该算法通过大量的简单神经元组成，根据非线性关系将底层特征抽象表示为高层特征；

构建检测模型，是由三个CNN组成的多尺度的特征提取模型。

在构建CNN特征提取算法中：深度学习是通过大量的简单神经元组成，根据非线性关系将底层特征抽象表示为高层特征，卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面包括多个独立神经元，网络中由一些简单元和复杂元组成，分别记为S-元和C-元。