[发明专利]一种基于双主干网络的吸烟行为检测模型构建方法

权利要求书

1.一种基于双主干网络的吸烟行为检测模型构建方法，其特征在于：包括如下步骤：

步骤1)以YOLOv5作为模型，利用吸烟姿态数据集，通过迁移学习获取ROI主干网络的参数；

步骤2)以YOLOv5作为模型，利用香烟数据集，通过迁移学习获取香烟检测模型，包括香烟主干网络、香烟颈部网络和香烟检测头的参数；

步骤3)以全卷积网络FCN作为空间约束网络，将ROI主干网络与香烟主干网络并联，构建双主干网络吸烟行为检测模型；

步骤4)利用构建好的双主干网络吸烟行为检测模型，对待测图像进行吸烟行为检测。

2.根据权利要求1所述的基于双主干网络的吸烟行为检测模型构建方法，其特征在于：所述的步骤1)中，以YOLOv5作为模型，利用吸烟姿态数据集，通过迁移学习获取ROI主干网络的参数，具体步骤如下：

首先，收集嘴部正在吸烟的图像，标注、制作“吸烟姿态数据集”；标注框内要求包含人脸与香烟；然后，利用“吸烟姿态数据集”训练YOLOv5模型；将训练好的吸烟姿态YOLOv5模型中的主干网络CSPDarknet保存作为ROI主干网络。

3.根据权利要求1所述的基于双主干网络的吸烟行为检测模型构建方法，其特征在于：所述的步骤2)中，以YOLOv5作为模型，利用香烟数据集，通过迁移学习获取香烟检测模型，包括香烟主干网络、香烟颈部网络和香烟检测头的参数，具体步骤如下：

首先，收集香烟图像，标注、制作“香烟数据集”；然后，利用“香烟数据集”训练YOLOv5模型；训练好的香烟检测YOLOv5模型包括：香烟主干网络、香烟颈部网络和香烟检测头三个部分。

4.根据权利要求1所述的基于双主干网络的吸烟行为检测模型构建方法，其特征在于：所述的步骤3)中，以全卷积网络FCN作为空间约束网络，将ROI主干网络与香烟主干网络并联，构建双主干网络吸烟行为检测模型，具体步骤如下：

步骤3-1：使用AlexNet作为编码器，构建FCN空间约束网络：保持AlexNet五个卷积层、三个池化层不变，将三个全连接层去除，并放置等效的卷积层；采用反卷积对编码器最后一个卷积层输出的特征图进行上采样，使得特征图恢复到输入特征图的分辨率；

步骤3-2：利用ROI主干网络的三个尺度输出特征图作为输入，通过FCN空间约束网络产生不同尺度分割后的吸烟姿态Mask；并将产生的姿态Mask与香烟主干网络相同尺度的香烟特征图相乘，获取优化后的香烟特征，通过空间滤波减少香烟误检的概率，具体计算公式如下：

式中为ROI主干网络第i个输出特征；为香烟主干网络第i个输出特征；为空间滤波后优化的香烟主干网络第i个输出特征；Maskⁱ为由产生的吸烟姿态掩码；

步骤3-3：将空间滤波优化后的香烟特征与香烟颈部网络、香烟检测头连接，构成双主干吸烟检测网络模型。

5.根据权利要求1所述的基于双主干网络的吸烟行为检测模型构建方法，其特征在于：所述步骤4)中，按照步骤1)、步骤2)、步骤3)定义的结构与操作，利用双主干吸烟行为检测模型对待检测图像进行吸烟检测。