[发明专利]抽烟及使用手机行为检测装置及方法

说明书

本发明提供了抽烟及使用手机行为检测装置，包括摄像头用于获得工作现场的人体图像；网络用于传输图像到远端服务器；人体姿态检测器基于预训练好的yolov3‑SPP算法识别出人体图像，并将人体图像送进训练好的关键点检测网络进行处理；分类器根据关键点检测网络将图像根据手部和头部距离进行分类，识别出抽烟或使用手机的图像。本发明可以对于员工违规行为构建出能够实时识别操作员抽烟或使用手机行为的高精度检测装置和识别方法。

技术领域

本发明涉及计算机视觉领域，尤其是抽烟及使用手机行为检测装置及方法。

背景技术

工厂或者工地安全是工厂类型公司最为重视的，尤其在化工厂内的环境下。如操作员在生产环境中抽烟极有可能引发不可收拾的事故。从许多历史新闻就能找到因火源处理不当引发的严重事故。而另一方面，随着智能手机发展，人对手机的黏性日益增加，我们在很多地方都能见到卖场员工无心销售产品而是低头玩手机。同样的情况工厂生产环境也可能发生，但情况却更加严峻，因为生产环境有可能因为一个闪失就造成在人或是经济上的极大的损失。在无上级领导在现场监管的情况下，操作员易出现懈怠，例如使用手机讲电话，低头玩手机等行为。因此基于提升工厂生产环境的安全以及效率而提出用人工智能的方式对工厂提供一个全智能化监督，不仅可以预防工厂潜在可能发生的危险行为，同时又改善操作员对工作懈怠等行为。

在现有技术中(申请号：201921343086.2一种施工工地抽烟行为检测装置)，工地场景下，基于传感器或者简易摄像头来判断操作员是否吸烟，主要由导轨、支架、固定件、烟雾传感器、摄像头等。这种场景的做法在固定件上安装摄像头，支架上安装多个烟雾传感器，最终烟雾传感器与摄像头又透过以太网与服务器进行连接，服务器安装在施工棚内。该方案在使用的场景下需要极大的定制化，并且必须多方考虑现场施工环境，可延展性低。工地开放环境下，烟雾首先有可能被周遭的环境给稀释掉，导致烟雾传感器表现效果不佳(烟雾需达到一定浓度才会报警)。多种设备导致维护不易，例如烟雾传感器需要定时清洗以确保检测的精度。即使摄像头可以及时的拍下工人抽烟，也没办法及时的反馈出警告。对危险的行为提前预防，才是工厂最需要的。而人工后期才进行检视，效率极低。

在另外一些现有技术中(申请号：201911073341.0基于tiny-YOLOv3的施工安全检测方法及系统)，同样利用计算机视觉的技术，基于目标检测的方式直接对采集到的图像进行数据标注并且依次进行训练。该方案可以对操作员抽烟未带安全帽等行为进行检测，并将检测的结果透过手机APP发送给操作员进行警告。该方案中，yolov3-tiny的检测精度属深度学习检测模型中的极为轻量的检测模型，本身的检测精度相较于其他模型低，针对特别注重安全的工厂环境来说，该算法不足以提供高准确性。只单纯使用yolov3-tiny检测器进行判别，并且对整张图像进行检测容易产生误报。为了取得更高更广的视野，在工地的摄像机一般安装在较高的位置，这表示采集到的图像场景会非常复杂，其中除了重要的目标(人)之后，还包含许多物件，这导致除了目标(人)以外的物件都可能增大被识别错误的概率。例如采集图像为1920*1080像素大小图像，需要检测的吸烟可能只占了20*20像素，占整副图像极小的比例，经过特征提取下采样多次之后，对检测有用的信息非常少量。

现有技术检测的过程不够深入，无法做到低误报及高准确性。因此需要有一种可靠方案解决现有技术适用场景通用性低的问题和检测精度低，容易误判的缺点。

发明内容

本发明的目的在于解决对于员工违规行为，例如抽烟或者玩手机的情况，现有技术适用场景通用性低的问题和检测精度低，容易误判的缺点，就违规行为构建出能够实时识别操作员抽烟或使用手机行为的高精度识别装置。

为了实现这一目的本发明提供了抽烟及使用手机行为检测装置，包括摄像头用于获得工作现场的人体图像，网络用于传输图像到远端服务器，人体姿态检测器基于预训练好的yolov3-SPP算法识别出人体图像，并将人体图像送进训练好的关键点检测网络进行处理；分类器根据关键点检测网络将图像根据手部和头部距离进行分类，识别出抽烟或使用手机的图像。