基于改進目標檢測算法的吸煙行為檢測

趙冬

（國華投資有限公司河北分公司 河北省張家口市 075000）

1 引言

吸煙嚴重危害著全世界人民的生命財產安全，吸煙引發的火災和癌癥不計其數[1]。近年來，人工智能和深度學習發展迅速。計算機視覺也已應用于交通安全、危險物品檢測和公共環境安全領域[2]。傳統的煙霧報警、人工巡檢等吸煙行為檢測方式，不僅耗費人力財力，而且效果不佳。本文提出了一種基于YOLOv5s 算法的檢測方法，以實現對吸煙行為更好的實時檢測。由于YOLOv5s 算法對小目標檢測并不友好，所以本文提出一種改進的YOLOv5s 算法，通過K-means算法和增加檢測層的方法進行吸煙行為檢測。

本文組織結構如下：第二節詳細描述了YOLOv5s 目標檢測原理；第三節介紹了改進的YOLOv5s+檢測方法；第四節給出了本文試驗結果分析；第五部分對全文進行總結。

2 YOLOV5S目標檢測原理

YOLOv5s 是YOLOv5 系列中最小的網絡。如圖1所示，YOLOv5s 由四部分組成：輸入部分、骨干部分、頭部部分和檢測部分。

圖1：YOLOv5s 網絡結構

2.1 輸入部分

Input 部分主要包括數據增強、自適應錨框計算、自適應圖像縮放。初始錨點是先驗學習的基礎，針對數據集它們是[10,13,16,30, 33,23][30,61, 62,45, 59,119][116,90, 156,198, 373,326]。設置合適的錨點會得到更高的IOU(Intersection over Union，是一種測量在特定數據集中檢測相應物體準確度的一個標準)，有助于提高模型的準確率。在訓練過程中，先驗學習模塊可以更好地學習適應不同待測物體的形狀信息。

2.2 骨干部分

在骨干部分，YOLOv5s 使用了CSPNet(Cross Stage Partial Networks)，主要用于解決較大卷積層中梯度重復的問題。基于Densnet 的思想，包括Partial Dense Block 和Partial Transition Block。Partial Dense Block 主要用于添加梯度路徑，平衡每一層的計算，減少內存消耗。Partial Transition Block 主要用于增加不同梯度層的區分度。此外，YOLOv5 系列還加入了其他YOLO 版本所沒有的Focus 結構[3-5]。

2.3 頭部部分

頭部部分位于主干部分和檢測部分之間，用于提取融合特征。如圖2所示，頭部使用特征金字塔網絡(FPN)和感知對抗網絡(PAN)結構來實現上采樣和下采樣過程。FPN 是自頂向下的，它使用上采樣的方法來傳遞和融合信息，得到預測的特征圖。PAN 使用自上而下的特征金字塔。FPN 主要用于自頂向下的特征卷積，使用插值在較高的特征層上進行2 次從19*19 到38*38 的上采樣，同時特征通過1x1 卷積進行水平連接，并改變底層通道數在較低的要素圖層上。與原始圖像金字塔相比，特征金字塔可以減少推理時間，減少內存占用，并且不需要處理不同分辨率的圖像。

圖2：頭部部分

2.4 檢測部分

檢測部分主要包括Bounding box 的損失函數和非極大值抑制(NMS)。損失函數為 GIOU_Loss[6]。GIOU_Loss 的公式是（1）。GIOU_Loss 有效解決了預測幀與真實幀不相交時，預測幀與真實幀的距離信息丟失，IOU 為零的問題。

3 改進的YOLOV5S+檢測模型

針對YOLOv5s 網絡模型，增加了一個基于YOLOv5s 算法的小目標檢測層。針對香煙的小目標，首先基于K-means算法得到合適的anchors。K-means算法的輸入為x 個樣本的數據樣本集。樣本集中的每個樣本都是平面上的一個點，相似特征的樣本被算法聚類為一個類別。該算法首先隨機選擇k 個中心點，計算該點與每個點最接近所有中心點的中心點的距離，將該點歸類為該中心點所代表的簇Ci。經過一次迭代，得到簇類。對于每個聚類，然后重新計算每個點的中心點的距離，并重新找到離自己最近的中心點，直到前兩次迭代中沒有聚類變化，然后將樣本分配到相同的中心歸為一類。最后得到k 類。使用這種方法，本文可以將6565 個樣本聚類為12個類，并將這12 個類作為YOLOv5s 的初始錨點值。

4 試驗結果分析

實驗環境使用Ubuntu16.04 操作系統，選擇Pytorch 架構，使用GeForce GTX 2080Ti 顯卡進行計算。具體實驗配置見表1。

表1：實驗環境配置

本文通過網絡爬蟲、視頻截圖等方式獲取了6565 張圖片，如表2所示，訓練集5664 張，驗證集701 張，測試集200 張。

表2：實驗數據集

在網絡模型訓練期間，epochs 為 300，batch-size 為32，初始學習率(Ir0)為0.01。True Positives(TP)、False Positives(FP)、False Negatives(FN)、True Negatives(TN)，判斷訓練結果的參數指標是Accurancy、Precision、Recall、F1 score、AP。F1 分數定義為準確率和召回率的調和平均值。F1 是算術平均值除以幾何平均值。F1的公式為（2）。

精度是所有TP、TN、FP 和FN 的TP 和TN 比例。Accuracy的公式為（3）。

Precision 是所有TP 和FP 的TP 比例。Precision 的公式為（4）。

Recall 是所有TP 和FN 的TP 比例。Recall 的公式是（5）。

AP 衡量每個類別中訓練模型的質量。計算方法是準確度之和除以負數。AP 的公式為（6）。

實驗結果Precision 的值為0.88，Recall 的值為0.87。改進后的算法AP 提高了6.7%。 改進后的YOLOv5s+算法性能更好，可以在200 個測試集中正確識別目標。

如圖3所示，YOLOv5s+算法訓練完成后，得到一個權重模型，可以處理視頻或圖片，可以實時標記香煙目標。

圖3：YOLOv5s+測試結果

5 結論

在本文中，為了更好地檢測公共場所的吸煙行為，提出了基于K-means算法和小目標檢查層的YOLOv5s+算法。在這個YOLOv5s+算法中，制作了數據集。Detect部分增加了小目標檢測層，訓練后的模型對香煙小目標的識別準確率高達92.3%。該算法可以實時處理攝像頭反饋的數據，并將處理結果輸出給監管者。所以主管可以更好地進行人力洗牌，大大節省人力資源。改進后的算法具有很好的應用前景，針對其他的識別場景也同樣適用。