本发明涉及室内控烟环境在线监测,特别涉及一种基于红外图像和污染物的吸烟行为识别方法、装置、设备及介质。
背景技术:
1、烟草烟雾中有7000多种化学物质,其中数百种是对人体有毒有害的物质,至少70种是已知的致癌物,几乎会对人体的各个脏器造成损害,烟草的使用是心血管疾病、癌症、慢性呼吸系统疾病以及糖尿病等非传染性疾病的主要危险因素。控制烟草烟雾危害,减少疾病,是全球共识,而且是针对单一危险因素进行预防控制的最有效的措施。
2、目前,全国有3亿多烟民,另有超过7亿的非吸烟者受到二手烟健康危害,公共场所禁烟是保护公众免受二手烟危害的有效措施,尤其是在室内环境,烟草使用产生的烟雾导致pm2.5急剧上升,是造成室内环境污染的主要原因,对公众健康造成极大危害。因此,在无烟环境建设及公共场所禁烟控烟法律规章实施前后的评价中,室内环境是否有吸烟情况是一项核心重要指标。
3、虽然,室内场所吸烟在我国部分省市已经全面禁止,但部分服务类(含餐饮、娱乐性)场所仍然有不少吸烟行为。目前的监管和执法主要是采用人员现场观察,如持续在场所现场停留一段时间(例如15分钟左右),以观察法来记录现场是否有人员在室内违规吸烟的情况,在出现违规吸烟的情况时对吸烟人员进行劝阻的方式。这种方式不仅需要花费大量的人力和时间,还存在一定的偶发性,对日常开展室内控烟成效的专业监测评估和开展控烟监管执法的实施来说,效率不高,很难真正的实现高效控烟管理。
技术实现思路
1、针对现有技术的上述问题,本发明的目的在于提供一种基于红外图像和污染物的吸烟行为识别方法、装置、设备及介质,能够实现吸烟行为的自动识别,提高吸烟行为的识别效率和识别准确率。
2、为了解决上述问题,本发明提供一种基于红外图像和污染物的吸烟行为识别方法,包括:
3、获取目标场所内的红外图像和污染物监测数据,所述污染物监测数据包括一种或多种空气污染物对应的监测数据;
4、获取预先构建的吸烟行为识别模型,所述吸烟行为识别模型是通过利用多个具有吸烟行为标签的训练样本数据进行机器学习训练得到的,各个所述训练样本数据包括一一对应的红外图像样本数据和污染物样本数据,所述污染物样本数据包括所述一种或多种空气污染物对应的监测样本数据;
5、利用所述吸烟行为识别模型对所述红外图像和所述污染物监测数据进行识别处理,得到识别结果,所述识别结果用于表示所述目标场所中是否存在吸烟行为。
6、进一步地,所述吸烟行为识别模型包括燃烟点检测模块、污染物检测模块和分类模块;
7、所述利用所述吸烟行为识别模型对所述红外图像和所述污染物监测数据进行识别处理,得到识别结果,包括:
8、将所述红外图像输入至所述燃烟点检测模块,以获取所述红外图像中的燃烟点区域特征;
9、将所述污染物监测数据输入至所述污染物检测模块,以获取所述目标场所内的污染物分布特征;
10、将所述燃烟点区域特征和所述污染物分布特征输入至所述分类模块,得到输出的识别结果。
11、进一步地,所述空气污染物为pm1.0、pm2.5、pm10、tvoc、co或者co2。
12、进一步地,各个所述训练样本数据还包括对应的气味样本数据;
13、所述方法还包括:
14、获取目标场所内的气味监测数据;
15、利用所述吸烟行为识别模型对所述红外图像、所述污染物监测数据和所述气味监测数据进行识别处理,得到识别结果。
16、进一步地,所述方法还包括预先训练所述吸烟行为识别模型,所述吸烟行为识别模型的训练过程包括:
17、获取多个具有吸烟行为标签的训练样本数据,各个所述训练样本数据包括一一对应的红外图像样本数据和污染物样本数据,所述污染物样本数据包括一种或多种空气污染物对应的监测样本数据,所述吸烟行为标签用于表示吸烟行为的发生情况;
18、构建初始识别模型,所述初始识别模型包括燃烟点检测模块、污染物检测模块和分类模块,所述燃烟点检测模块和所述污染物检测模块分别与所述分类模块连接;
19、利用所述训练样本数据对所述初始识别模型进行机器学习训练,得到吸烟行为识别模型。
20、进一步地,所述方法还包括:
21、当所述识别结果表示所述目标场所中存在吸烟行为时,获取所述目标场所的类型;
22、根据所述目标场所的类型确定对应的报警方式,并根据确定的报警方式进行报警。
23、进一步地,所述方法还包括:
24、当所述识别结果表示所述目标场所中存在吸烟行为时,确定所述吸烟行为发生的时间;
25、将所述污染物监测数据与所述吸烟行为发生的时间进行对应存储。
26、本发明另一方面提供一种基于红外图像和污染物的吸烟行为识别装置,包括:
27、第一获取模块,用于获取目标场所内的红外图像和污染物监测数据,所述污染物监测数据包括一种或多种空气污染物对应的监测数据;
28、第二获取模块,用于获取预先构建的吸烟行为识别模型,所述吸烟行为识别模型是通过利用多个具有吸烟行为标签的训练样本数据进行机器学习训练得到的,各个所述训练样本数据包括一一对应的红外图像样本数据和污染物样本数据,所述污染物样本数据包括所述一种或多种空气污染物对应的监测样本数据;
29、识别模块,用于利用所述吸烟行为识别模型对所述红外图像和所述污染物监测数据进行识别处理,得到识别结果,所述识别结果用于表示所述目标场所中是否存在吸烟行为。
30、本发明另一方面提供一种电子设备,包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的基于红外图像和污染物的吸烟行为识别方法。
31、本发明另一方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的基于红外图像和污染物的吸烟行为识别方法。
32、由于上述技术方案,本发明具有以下有益效果:
33、根据本发明实施例的吸烟行为识别方法,通过预先构建吸烟行为识别模型,对目标场所的红外图像和污染物检测数据进行识别处理,得到所述目标场所中是否存在吸烟行为的识别结果,实现了吸烟行为的自动识别,不仅节省了大量的人力成本和时间成本,还提高了吸烟行为的识别效率和识别准确率,能够满足日常开展室内控烟成效的专业监测评估和开展控烟监管执法的需求,进而真正的实现高效控烟管理。
1.一种基于红外图像和污染物的吸烟行为识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述吸烟行为识别模型包括燃烟点检测模块、污染物检测模块和分类模块;
3.根据权利要求1所述的方法,其特征在于,所述空气污染物为pm1.0、pm2.5、pm10、tvoc、co或者co2。
4.根据权利要求1所述的方法,其特征在于,各个所述训练样本数据还包括对应的气味样本数据;
5.根据权利要求1所述的方法,其特征在于,所述方法还包括预先训练所述吸烟行为识别模型,所述吸烟行为识别模型的训练过程包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
8.一种基于红外图像和污染物的吸烟行为识别装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-7任意一项所述的基于红外图像和污染物的吸烟行为识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任意一项所述的基于红外图像和污染物的吸烟行为识别方法。