[发明专利]基于深度学习的抽烟检测分析系统

说明书

本发明公开了基于深度学习的抽烟检测分析系统，其特征在于，包括视频流接入模块、GPU图形分析模块及违规信息组合上传模块，所述GPU图形分析模块包括车辆信息提取模块及违规行为判断模块；本发明的有益效果是：采用人工智能技术对分析结果进行比对、验证，检测出车辆驾驶人是否存在开车抽烟违规行为，然后根据需要将驾驶人信息、车牌、车身颜色、车标、时间、地点等信息记录下来，同时输出到违规信息平台。该产品采用国家标准化通信协议和视频解码算法，提高产品兼容性，可兼容国内所有主流实时监控系统及视频抓拍系统。

技术领域

本发明涉及道路交通领域，尤其涉及一种基于深度学习视频分析的抽烟检测系统。

背景技术

国内外学术界提出了一些方案其中有代表性的技术方案包括：汪祖云（结合烟雾多特征的出租车司机吸烟行为检测[C]. 第十二届全国信号和智能信息处理与应用学术会议，中国浙江杭州，2018.10.19.）该方法结合烟雾的特征在HSV空间下特有的特征实现对烟雾区域的定位，并通过烟雾面积和SVM分类器对其进行判断，实现出租车司机吸烟行为检测；但通过烟雾特征检测并不能判断司机是否在吸烟，容易导致错误判断，增加执法人员的工作量，并不能满足实际的应用需求；朱丽（一种检测车载驾驶员违规行为的方法、装置及电子设备：中国，CN107545225A [P]，2018-01-05）该方法通过车载摄像机拍摄司机图像，在拍摄的图像中，识别出方向盘；依据识别出的方向盘确定车载驾驶员的违规行为区域；利用确定的违规行为区域，检测车载驾驶员的违规行为；该方法需要特殊的硬件支持，只适用于公共交通工具的驾驶员违规行为判断，适用场景有限；谭虎（一种室内吸烟检测报警方法及系统：中国，CN105225428A[P]，2016-01-06）该方法通过图像获取装置获取整个室内的图像，并通过阈值分割法将可疑区域从所述图像中分割出来；检测可疑区域的面积,将可疑区域的面积与烟头的面积阈值进行特征匹配，其次检测可疑区域的边界点上横坐标及纵坐标的最小及最大的边界点，将可疑区域的边界点与香烟燃烧时的边界点形状进行特征匹配；该方法只适用于室内的场景，在室外的大场景中，难以提取烟头区域，不能适用于驾驶员吸烟行为分析。

综上所述，当前的驾驶员吸烟行为分析处理方案中尚存在许多问题，目前智慧城市建设中的监控点位越来越多，对开车抽烟违规行为的监管直接关系到道路交通安全。现有技术中所用的成像抓拍模式，对于开车抽烟违规行为无法进行准确识别。导致对开车抽烟违规行为，无法完全有效的进行管理和追诉。

发明内容

为了解决现有技术的不足，本申请提供了一种基于深度学习视频分析的抽烟检测系统。

本发明的技术方案如下：

基于深度学习的抽烟检测分析系统，其特征在于，包括视频流接入模块、GPU图形分析模块及违规信息组合上传模块，所述GPU图形分析模块包括车辆信息提取模块及违规行为判断模块；

所述视频流接入模块通过检测判断网络是否正常、前端摄像机是否正常工作、视频码流是否正常；其中网络不通或网络延时超出预设值判断为网络不正常，摄像机当前图像场景变动、出现干扰、图像失真、模糊判断为前端摄像机不正常，码流丢帧、跳帧判断为视频码流不正常；

所述车辆信息提取模块通过深度学习算法提取车辆信息，其中包括车身颜色、车辆类型、车标、车牌位置和车窗位置，并对车辆在图像中的位置进行精确定位；

所述违规行为判断模块将提取出来的车窗位置结合视频图像，得车辆车窗图像，并将该图像作为输入送入违规行为分析的深度学习算法之中，通过对违规行为分析网络进行前向传播，最终判断驾驶员是否进行抽烟行为；

所述违规信息组合上传模块对违规车辆车牌进行识别，并将违规行为判断模块判断为违规的驾驶员和车辆信息进行组合，并将证据信息上传到上层的服务器中。

基于深度学习的抽烟检测分析系统的分析方法，其特征在于，包括如下步骤：