[发明专利]一种保护隐私下的校园抽烟行为识别方法及处理终端

权利要求书

1.一种保护隐私下的校园抽烟行为识别方法，其特征在于，包括如下步骤：

步骤1：获得含人体但无法识别人物信息的若干张红外图像，采用红外摄像头对目标人物进行拍摄，在红外摄像头和目标人物之间设置遮挡物，以得到不含具体人物信息所述红外图像；

步骤2：将红外图像压缩到预设尺寸后再输入至目标检测神经网络模型，将所有的红外图像输入至目标检测神经网络模型，得到处理后的图像，处理后的图像包括二分类处理结果：包含人物图像和无人物图像，还包括确定人体在红外图像中的坐标；

步骤3：根据人体在红外图像中的坐标，对处理后的图像进行裁剪，以使得裁剪分割后的每张图片仅含有一个人；

步骤4：采用关节点估计将裁剪分割后的图像转成只含骨骼关节点的图像，从而得到骨骼图像；

步骤5：将骨骼图像输入至训练后的卷积神经网络进行识别分类，以识别出每个分类中的每个骨骼图像中手和头部的位置关系，得到二分类结果：人手靠近头部和人手远离头部；

根据手和头部的位置关系判断是否有校园抽烟行为，

所述根据手和头部的位置关系判断是否有校园抽烟行为，具体实现过程为：

依次分别识别同类中的多个骨骼图像，当相邻的两个骨骼图像的识别结果为人手靠近头部又远离头部视为一次变化，连续识别同类中的多个骨骼图像，若当前累计的变化数量≥预设阈值时，视为人手反复靠近头部后又远离头部，判断有人抽烟，反之，则判断当前无人抽烟，

判断是否手不断靠近头部，包括如下步骤：

当识别到骨骼图像中的手离头部在预设范围内，视为手靠近头部，反之，则视为手远离头部。

2.根据权利要求1所述的保护隐私下的校园抽烟行为识别方法，其特征在于，红外图像压缩到448*448后再输入至目标检测神经网络模型。

3.根据权利要求1所述的保护隐私下的校园抽烟行为识别方法，其特征在于，卷积神经网络按如下步骤进行训练，得到训练后的卷积神经网络：

卷积神经网络包括五层卷积层，每个卷积层后接一个池化层，池化层后连接两个全连接层，

卷积神经网络采用softmax损失函数，并采用梯度下降方法以优化卷积神经网络的各项参数，得到训练后的卷积神经网络。

4.根据权利要求1所述的保护隐私下的校园抽烟行为识别方法，其特征在于，执行完所述步骤5之后，还包括，

当认定当前时间有人在测试抽烟，及时发送警报。

5.根据权利要求1所述的保护隐私下的校园抽烟行为识别方法，其特征在于，采用opencv对处理后的图像进行裁剪。

6.一种处理终端，其特征在于，其包括：

存储器，用于存储程序指令；

处理器，用于运行所述程序指令，以执行如权利要求1-5任一项所述的保护隐私下的校园抽烟行为识别方法的步骤。