據(jù)2019年世界衛(wèi)生組織統(tǒng)計(jì),全球共有11億煙民,其中我國(guó)煙民總數(shù)超3.6億,是世界上吸煙人數(shù)最多的國(guó)家。煙草中至少含有70多種致癌物,吸煙或者被動(dòng)吸煙會(huì)對(duì)人健康成巨大的傷害,我國(guó)每年治療煙草相關(guān)疾病花費(fèi)約3.5萬(wàn)億元。吸煙不僅危害健康,也是火災(zāi)患之一,每年約20%的火災(zāi)由吸煙引起。著社會(huì)的發(fā)展,吸煙所引起的健康、經(jīng)濟(jì)和環(huán)境受到了人們的強(qiáng)烈關(guān)注。傳統(tǒng)吸煙檢測(cè)主要利用煙探測(cè)器,檢測(cè)煙煙判斷該區(qū)域是否有人吸煙,但是該方法精度低,只能判斷是否有人吸煙,無(wú)法準(zhǔn)確識(shí)別吸煙者,而且吸煙產(chǎn)生的煙少,因此煙探測(cè)器多用于火災(zāi)報(bào)警,無(wú)法判斷是否存在吸煙行為。著人工智能、計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)的發(fā)展和硬件計(jì)算能力的提,圖像處理技術(shù)漸應(yīng)用于諸多域,如人臉識(shí)別、自動(dòng)、缺檢測(cè)等。百度率先提出AI控?zé)?利用深度學(xué)習(xí)訓(xùn)練控?zé)熌Ｐ?自動(dòng)識(shí)別圖像中的吸煙者。本文在此背景和基礎(chǔ)上,提出一種基于深度學(xué)習(xí)圖像處理的吸煙行為檢測(cè)算法,以圖像數(shù)據(jù)為入,深度學(xué)習(xí)網(wǎng)絡(luò)自主提取目標(biāo)特征并對(duì)目標(biāo)行分類,從而檢測(cè)圖像中是否存在吸煙者。分析對(duì)比當(dāng)前基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法,綜合檢測(cè)度和精度兩大指標(biāo),以YOLOv3算法為基礎(chǔ),在Win10系統(tǒng)下...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 論文背景及研究意義
    1.2 吸煙檢測(cè)研究現(xiàn)狀
        1.2.1 基于煙霧的化學(xué)特性檢測(cè)
        1.2.2 基于視頻圖像特征檢測(cè)
    1.3 吸煙檢測(cè)現(xiàn)存的問(wèn)題
    1.4 論文內(nèi)容及章節(jié)安排
第二章 吸煙檢測(cè)可行性研究
    2.1 需求分析
        2.1.1 功能性需求分析
        2.1.2 非功能需求分析
    2.2 可行性分析
    2.3 開(kāi)發(fā)技術(shù)介紹
        2.3.1 深度學(xué)習(xí)
        2.3.2 人機(jī)界面
    2.4 本章小結(jié)
第三章 吸煙檢測(cè)算法原理
    3.1 基于YOLO的吸煙檢測(cè)算法
    3.2 搭建深度學(xué)習(xí)環(huán)境
    3.3 建立吸煙圖像數(shù)據(jù)集
        3.3.1 圖像采集
        3.3.2 圖像預(yù)處理
    3.4 數(shù)據(jù)標(biāo)注
    3.5 數(shù)據(jù)集劃分
    3.6 本章小結(jié)
第四章 深度學(xué)習(xí)吸煙檢測(cè)算法實(shí)現(xiàn)及優(yōu)化
    4.1 吸煙檢測(cè)算法訓(xùn)練
    4.2 算法初步測(cè)試
    4.3 算法優(yōu)化
        4.3.1 GIOU
        4.3.2 多尺度融合檢測(cè)
        4.3.3 YOLOv3-SPP
    4.4 算法比較
    4.5 本章小結(jié)
第五章 系統(tǒng)實(shí)現(xiàn)
    5.1 系統(tǒng)設(shè)計(jì)方案
    5.2 界面設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 登錄界面
        5.2.2 注冊(cè)界面
        5.2.3 檢測(cè)界面
    5.3 系統(tǒng)測(cè)試
        5.3.1 登錄界面測(cè)試
        5.3.2 注冊(cè)界面測(cè)試
        5.3.3 檢測(cè)界面測(cè)試
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 課題主要成果
    6.2 研究展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3737274