基于计算机视觉的吸烟行为分析方法及系统

【目的】为了更加便捷高效地研究消费者吸烟行为特征,设计了一套基于计算机视觉的吸烟行为分析系统。【方法】该系统以可见光-红外线双目摄像头为传感设备,采集吸烟场景中的可见光和红外视频图像;采用人脸检测算法和人体姿态检测算法跟踪识别可见光图像中的人物及其动作,初步判断吸烟行为;采用烟头(燃烧锥)状态检测算法实时检测红外图像中烟头光斑位置与面积变化,进一步判定吸烟行为;同时,根据烟头光斑的位置与面积变化精确定位抽吸起始和结束的时间点,并自动计算抽吸口数、抽吸持续时间和抽吸间隔时间等抽吸参数。【结果】在湖南中烟技术中心招募30名志愿者进行系统测试,分别抽吸常规卷烟和细支卷烟,使用吸烟行为分析系统和CReSS吸烟行为记录仪同步记录抽吸参数,以CReSS吸烟行为记录仪记录的数据作为标准对照,验证吸烟行为分析系统的识别准确性。结果表明,吸烟行为分析系统对常规卷烟和细支卷烟抽吸口数识别的平均误差率分别为1.79%、2.06%,抽吸持续时间识别的平均误差率分别为9.73%、9.96%,抽吸间隔时间识别的平均误差率分别为6.59%、6.91%。【结论】该系统可以无感式、准确地识别吸烟行为并记录抽吸参数,在吸烟行为研究方面具有广阔的应用前景。

基于深度学习的复杂场景中卷烟烟盒检测与识别方法

近年来,深度学习技术在图像识别领域取得了巨大的成功,在零售、金融、安全、自动驾驶等行业得到了广泛的应用。本论文提出了一套在复杂场景条件下可行有效的卷烟烟盒图像识别框架,利用深度学习技术实现营销活动或陈列活动中的卷烟烟盒图片的自动化识别。本论文提出的框架包含基于可见区域实例分割的烟盒位置检测、烟盒区域正则化和烟盒规格识别几个关键性步骤,构建了鲁棒性强、精确度高的卷烟烟盒图像识别方法。在大规模测试数据集上,其中包括陈列条件、拍摄条件等外部环境影响造成烟盒图片模糊、角度大、遮挡、玻璃反光、部分遮挡、随意摆放,以及部分不同规格的烟盒图像外观差异微小等场景,本论文的方法都表现出了稳定的识别能力,平均识别精度超过95%,达到了在实际应用场景大规模推广使用的条件。