本发明涉及智能监控，特别涉及一种吸烟行为检测的方法。
背景技术：
1、吸烟行为不仅危害吸烟者本人以及周围人的身体健康，还可能影响安全生产；现有的控制吸烟的技术手段主要以烟雾传感器为主，在禁烟场所安装烟雾传感器以及报警装置，当传感器检测到烟雾时，产生报警；但是依靠烟雾传感器控制吸烟，在空旷一点的环境，少数人的抽烟产生的烟雾较少，传感器会出现漏检情况，同时也无法准确监控各个人员的吸烟行为。
技术实现思路
1、本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种吸烟行为检测的方法，实现准确确定是否存在吸烟行为。
2、为达到上述目的，本发明实施例提出了一种吸烟行为检测的方法，包括：
3、对预设区域进行监控，获取若干视频帧；
4、对视频帧基于行人目标检测算法进行处理，确定目标行人检测框；
5、对目标行人检测框按照自定义阈值进行纵向截取上部，确定初步待检测区域，判断初步待检测区域的纵向长度大于等于目标行人检测框的宽度，在确定初步待检测区域的纵向长度大于等于目标行人检测框的宽度时，将初步待检测区域作为目标区域；反之，则对目标行人检测框按照其宽度重新进行纵向截取上部，确定目标区域；
6、根据目标区域进行裁剪，确定若干个子目标区域；对每个子目标区域均基于吸烟手势目标检测算法进行处理，确定每个子目标区域的多个吸烟手势检测框；
7、将多个吸烟手势检测框在视频帧上标记处理，根据标记信息确定吸烟行为检测信息。
8、根据本发明的一些实施例，对视频帧基于行人目标检测算法进行处理，确定目标行人检测框，包括：
9、对视频帧基于行人目标检测算法进行处理，获取若干行人检测框；
10、确定每个行人检测框的置信度，并分别与预设行人检测阈值进行比较，筛选出置信度大于预设行人检测阈值的行人检测框作为目标行人检测框。
11、根据本发明的一些实施例，还包括：在确定目标行人检测框的数量为0时，判定视频帧对应的区域不存在吸烟行为。
12、根据本发明的一些实施例，对目标行人检测框进行纵向截取，确定初步待检测区域，包括：
13、确定目标行人检测框的纵向长度，从上部截取预设阈值与纵向长度的乘积，确定初步待检测区域。
14、根据本发明的一些实施例，所述预设阈值为0.3。
15、根据本发明的一些实施例，将多个吸烟手势检测框在视频帧上标记处理，包括：
16、吸烟手势检测框以子目标区域左上角为坐标原点，而子目标区域以视频帧左上角为坐标原点；以视频帧为坐标系，子目标区域左上角的坐标为(box_person_x1，box_person_y1)，即吸烟手势检测框的坐标原点，进行坐标变换，吸烟手势检测框的坐标要变更为以视频帧为坐标系需要x坐标增加box_person_x1，y坐标增加box_person_y1，基于新坐标，将多个吸烟手势检测框在视频帧上标记处理。
17、根据本发明的一些实施例，基于新坐标，将多个吸烟手势检测框在视频帧上标记处理，包括：
18、基于新坐标，确定每个吸烟手势检测框在视频帧上的位置信息；
19、根据位置信息基于预先训练好的自动标注模型在视频帧上标记处理。
20、根据本发明的一些实施例，基于新坐标，自动标注模型的构建方法，包括：
21、获取样本图像及样本图像上的标注信息；
22、构建对抗网络，以对抗学习的方式训练网络学习不同目标场景或者类别间图像域之间的域映射关系，将样本图像转换至标记空间，得到转换图像；
23、构建标记空间深度学习模型，获取转换图像的图像检测能力，并确定转换图像对应的标注信息，作为识别标签；
24、基于识别标签对标注模型进行迭代更新与优化，同时对获取的转换图像进行噪声标签的滤除，判断输出的标注框与样本图像上的标注信息是否一致，在确定一致时，训练完成。
25、根据本发明的一些实施例，基于识别标签对标注模型进行迭代更新与优化，包括：
26、基于定向边界框检测作为标注模型在训练与推理过程中的检测与回归方式；
27、基于全局平均池化gap模块对输入的转换图像进行压缩处理；基于下采样模块，降低转换图像的特征维度；设置relu函数作为激活函数；基于上采样模块，通过全连接层返回转换图像原来的维度；基于s i gmo i d函数获得归一化的权重并加权到每个输出通道上，确定对应的输出标签，将输出标签与识别标签进行比对，根据比对结果对标注模型进行迭代更新与优化。
28、根据本发明的一些实施例，在对每个子目标区域均基于吸烟手势目标检测算法进行处理前，还包括：
29、确定每个子目标区域的特征点，并生成每个子目标区域对应的特征点集合；
30、在多个特征点集合中任意选取两个特征点集合，并计算两个特征点集合之间的匹配度：
31、
32、其中，s(i，j)为特征点集合i与特征点集合j之间的匹配度；xim为特征点集合i的第m个属性值；xjm为特征点集合j的第m个属性值；
33、根据两个特征点集合之间的匹配度，计算两个特征点集合之间的关联值t：
34、
35、其中，qi为特征点集合i中的特征点的数量；qj为特征点集合j中的特征点的数量；a为特征点集合i中的特征点的特征值；b为特征点集合j中的特征点的特征值；vi为特征点集合i中的特征点的特征值的平均值；vj为特征点集合j中的特征点的特征值的平均值；
36、在确定关联值大于预设关联阈值时，将两个特征点集合对应的子目标区域进行区域融合，得到融合的子目标区域。
37、本发明提出一种吸烟行为检测的方法，基于开源的目标检测算法检测视频帧中的行人和吸烟手势，使用行人目标检测算法进行先验处理，通过行人检测框得到目标区域(吸烟检测区)的先验处理，视频帧得到行人目标，行人目标再得到目标区域(吸烟检测区)，吸烟检测区再得到吸烟手势的多层逐步缩小目标的检测算法，合并检测算法的多层结果得到吸烟手势相对于视频帧的检测框，提高了检测是否存在吸烟行为的准确性，便于确定监控区域中哪个人存在吸烟行为。通过吸烟行为来源于行人和吸烟位置多数位于行人上半身的先验处理得到的检测图片相对于视频原图吸烟手势所占的比例明显提高，可以解决目标检测算法对于吸烟手势这种较小目标的检测不足问题。
38、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
39、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种吸烟行为检测的方法，其特征在于，包括：
2.如权利要求1所述的吸烟行为检测的方法，其特征在于，对视频帧基于行人目标检测算法进行处理，确定目标行人检测框，包括：
3.如权利要求1所述的吸烟行为检测的方法，其特征在于，还包括：在确定目标行人检测框的数量为0时，判定视频帧对应的区域不存在吸烟行为。
4.如权利要求1所述的吸烟行为检测的方法，其特征在于，对目标行人检测框进行纵向截取，确定初步待检测区域，包括：
5.如权利要求4所述的吸烟行为检测的方法，其特征在于，所述预设阈值为0.3。
6.如权利要求1所述的吸烟行为检测的方法，其特征在于，将多个吸烟手势检测框在视频帧上标记处理，包括：
7.如权利要求6所述的吸烟行为检测的方法，其特征在于，基于新坐标，将多个吸烟手势检测框在视频帧上标记处理，包括：
8.如权利要求7所述的吸烟行为检测的方法，其特征在于，基于新坐标，自动标注模型的构建方法，包括：
9.如权利要求7所述的吸烟行为检测的方法，其特征在于，基于识别标签对标注模型进行迭代更新与优化，包括：
10.如权利要求1所述的吸烟行为检测的方法，其特征在于，在对每个子目标区域均基于吸烟手势目标检测算法进行处理前，还包括：
