基于深度学习的园区安防吸烟行为检测

来源：电子测量技术杂志2024年第15期北京时间：

作者：陈赛，左云波，郑伊凡，胡欢，谷玉海

单位：1.北京信息科技大学现代测控技术教育部重点实验室 北京 100192; 2.北京信息科技大学机电工程学院 北京 100192

摘要：针对园区禁烟区时常出现一些流动人员违规抽烟造成的安防隐患问题，提出一种联合人体骨骼关键点检测和改进的YOLOv7烟支检测的吸烟行为深度学习检测方法。该方法首先通过OpenPose提取人体关键点的坐标信息，计算手、鼻子、脖子之间距离的比值，手、肘、肩之间的角度，判别是否满足吸烟姿态。然后联合改进的YOLOv7算法检测图像中是否存在烟支，来最终判断吸烟行为是否存在。其中改进的YOLOv7算法引入了全局注意力机制模块，强化了语义与位置信息，使用转置卷积改进上采样方式，减小了信息丢失，并采用MPDIOU损失函数，增强了回归结果准确性，提升了对烟支小目标的检测精度。通过实验测试，本文方法准确率达到95.45%，可以有效地检测出吸烟行为。

关键词：深度学习;吸烟行为检测;人体关键点;改进的YOLOv7

基金资助：国家重点研发计划课题(2020YFB1713203)项目资助