基于深度学习的吸烟行为实时检测 |
| |
引用本文: | 杨国亮,龚志鹏,黄聪,黄经纬.基于深度学习的吸烟行为实时检测[J].安全与环境学报,2023(10):3696-3705. |
| |
作者姓名: | 杨国亮 龚志鹏 黄聪 黄经纬 |
| |
作者单位: | 江西理工大学电气工程与自动化学院 |
| |
基金项目: | 国家自然科学基金项目(51365017);;江西省教育厅科技项目(GJJ190450,GJJ180484); |
| |
摘 要: | 为预防在禁烟场所因吸烟引发的火灾事故,提出了一种基于YOLOv5s的改进算法,利用改进算法对摄像头获取的图像进行逐帧检测,实现吸烟行为的实时检测。首先,将转换器(Transformer)引入网络颈部中,增强网络对多尺度目标的检测能力;其次,加入坐标注意力(Coordinate Attention, CA)模块,丰富网络提取的特征图信息,增强特征图信息表达能力;最后,增加一个小目标检测层,提高网络对香烟小目标的检测能力,降低网络对小目标的漏检率。此外,构建了一个多场景下的吸烟行为数据集,并对马赛克(Mosaic)数据增强策略进行改进,改善原有数据增强方式丢失目标的问题。试验结果表明,改进后的算法在精确率、召回率和平均精确率上相比原模型均有所提升,在多目标和小目标场景下的实际检测效果对比原模型有明显改善,同时检测速度满足实时性要求,改进后的模型能够更好地应用于吸烟行为实时检测任务。
|
关 键 词: | 公共安全 行为检测 深度学习 目标检测 YOLOv5s算法 |
|
|