基于數(shù)字化技術(shù)的吸煙監(jiān)測系統(tǒng)實(shí)現(xiàn)研究

摘要：在校園等公共場所吸煙不僅對(duì)自身和他人的健康構(gòu)成威脅，還有可能引發(fā)火災(zāi)。以創(chuàng)建無煙校園為目標(biāo)，依托人工智能技術(shù)、物聯(lián)網(wǎng)技術(shù)和移動(dòng)應(yīng)用開發(fā)技術(shù)等數(shù)字化手段，研究了基于數(shù)字化技術(shù)的吸煙監(jiān)測系統(tǒng)的實(shí)現(xiàn)方法，旨在為校園控?zé)熖峁┯行У募夹g(shù)支持。利用人工智能技術(shù)訓(xùn)練模型，準(zhǔn)確識(shí)別吸煙行為；利用物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)數(shù)據(jù)采集和語音播報(bào)；通過開發(fā)應(yīng)用程序，實(shí)現(xiàn)用戶與系統(tǒng)之間的交互。該系統(tǒng)不僅提升了吸煙行為監(jiān)測的準(zhǔn)確性和實(shí)時(shí)性，還可以為校園控?zé)煿芾硖峁┛茖W(xué)參考和實(shí)施依據(jù)。

關(guān)鍵詞：數(shù)字化；人工智能；物聯(lián)網(wǎng)；吸煙監(jiān)測

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

校園作為青少年成長的重要場所，承載培養(yǎng)未來社會(huì)棟梁的使命，健康的校園環(huán)境對(duì)學(xué)生的身心發(fā)展至關(guān)重要，校園禁煙問題已成為教育界和社會(huì)關(guān)注的焦點(diǎn)。2020 年發(fā)布的《國家衛(wèi)生健康委 教育部關(guān)于進(jìn)一步加強(qiáng)無煙學(xué)校建設(shè)工作的通知》，明確指出全面營造校園無煙環(huán)境的必要性和緊迫性[1]。然而，校園吸煙問題屢禁不止，吸煙人群低齡化，這不僅影響了學(xué)生的健康，也對(duì)學(xué)校教育秩序產(chǎn)生了負(fù)面影響。

目前，學(xué)校大多采取人力控?zé)煹姆绞剑奢o導(dǎo)員或者學(xué)生管理者在教學(xué)樓道巡邏檢查，這種管理方式效率低、管控難、追責(zé)定位難，無法形成從發(fā)生吸煙行為到反饋定責(zé)的閉環(huán)。隨著數(shù)字化技術(shù)的迅速發(fā)展，人工智能技術(shù)對(duì)吸煙行為檢測的算法日趨成熟，這為識(shí)別視頻監(jiān)控中吸煙行為提供了有力保障。基于物聯(lián)網(wǎng)、移動(dòng)應(yīng)用開發(fā)、云計(jì)算等技術(shù)的支持，建設(shè)一套完整的吸煙監(jiān)測系統(tǒng)成為可能。校園內(nèi)部原本設(shè)有豐富的視頻監(jiān)控資源點(diǎn)，通過利用現(xiàn)有監(jiān)控進(jìn)行智能監(jiān)測和預(yù)警吸煙行為具有較好的可行性。

1 吸煙監(jiān)測系統(tǒng)架構(gòu)設(shè)計(jì)

吸煙監(jiān)測系統(tǒng)需要通過攝像頭不限時(shí)地監(jiān)控公共場所中吸煙行為，并及時(shí)給予語音提示，從而及時(shí)制止吸煙行為。同時(shí)，將吸煙行為進(jìn)行現(xiàn)場拍照，通過手機(jī)APP 客戶端發(fā)送給管理員，為后續(xù)跟蹤定責(zé)、勸阻教育提供支持。因此，該系統(tǒng)由數(shù)據(jù)采集檢測端、服務(wù)器云端和用戶端構(gòu)成，如圖1所示。

根據(jù)所承擔(dān)的職責(zé)不同，該系統(tǒng)可以分為吸煙行為檢測、語音播報(bào)預(yù)警、吸煙行為實(shí)時(shí)記錄與查看3 個(gè)模塊。①吸煙行為檢測屬于數(shù)據(jù)采集檢測端，主要依賴攝像頭和運(yùn)行程序的嵌入式芯片。程序利用人工智能算法經(jīng)過預(yù)訓(xùn)練得出的模型，對(duì)視頻流的圖片進(jìn)行吸煙行為檢測判斷。②語音播報(bào)預(yù)警屬于數(shù)據(jù)采集檢測端，在程序檢測到吸煙行為后，調(diào)用語音文件，并且通過揚(yáng)聲器進(jìn)行輸出。③吸煙行為實(shí)時(shí)記錄與查看由服務(wù)器云端和用戶端共同完成，程序?qū)z測的吸煙行為圖片實(shí)時(shí)存儲(chǔ)至服務(wù)器，用戶手機(jī)端APP 檢測服務(wù)器云端的圖片新增變化并給予預(yù)警。用戶可通過APP 界面的查詢功能了解吸煙行為的詳細(xì)信息，及時(shí)進(jìn)行線下跟蹤處理，線上記錄處理過程。

1.1 吸煙行為檢測

吸煙行為檢測的方法目前有很多種[2-5]，大致可以分為兩類：非計(jì)算機(jī)視覺的吸煙檢測和基于計(jì)算機(jī)視覺的吸煙檢測。前者屬于傳統(tǒng)檢測方法，主要是通過煙霧傳感器來檢測，如離子式煙霧傳感器、光電式煙霧傳感器和氣敏式煙霧傳感器等。由于香煙煙霧具有濃度低、飄散快的特點(diǎn)，煙霧傳感器難以具備較高的靈敏度，因此不適合非密閉空間的煙霧檢測。隨著人工智能技術(shù)在計(jì)算機(jī)視覺方面的研究深入，持續(xù)改進(jìn)的吸煙檢測算法不斷推出，大致分為以下4 種算法：第1 種是煙霧多特征檢測算法，通過圖像處理技術(shù)分割圖像中的煙霧，判斷是否有吸煙行為，此方法同傳統(tǒng)檢測方法，吸煙時(shí)通常煙霧易飄散，難以有效檢測。第2種屬于計(jì)算機(jī)視覺領(lǐng)域的分類算法，僅對(duì)輸入的圖片進(jìn)行分類判斷。例如，將圖片分為有吸煙和無吸煙兩類，檢測結(jié)果也只分為有和無兩類結(jié)果。對(duì)于煙頭這樣的小目標(biāo)，煙頭特征單一，差異不明顯，檢測誤差大，不宜采納。第3 種是吸煙動(dòng)作檢測算法，通過檢測吸煙時(shí)人體骨骼關(guān)鍵點(diǎn)來判定吸煙行為。第4 種是煙支目標(biāo)檢測算法，通過檢測圖像中的煙支目標(biāo)判定吸煙行為。煙支目標(biāo)檢測又分為單階段和雙階段檢測算法，單階段檢測算法對(duì)煙支目標(biāo)直接檢測；雙階段檢測算法利用人臉、人體初步篩選煙支候選區(qū)域，再利用目標(biāo)檢測算法定位識(shí)別煙支目標(biāo)[3]。第3 種和第4 種算法在實(shí)際應(yīng)用中已被廣泛采納。本文采用煙支目標(biāo)檢測算法，既能保證檢測的精確度，又能簡化檢測過程且成本較低。

1.2 語音播報(bào)預(yù)警

系統(tǒng)檢測到吸煙行為時(shí)，需要進(jìn)行語音提示。本系統(tǒng)中語音播報(bào)內(nèi)容設(shè)置為“檢測到吸煙行為，請(qǐng)停止吸煙”，播報(bào)設(shè)備選擇小型揚(yáng)聲器，并且將其與攝像頭安裝在同一位置。

1.3 吸煙行為實(shí)時(shí)記錄與查看

系統(tǒng)一旦檢測到吸煙行為，語音播報(bào)只能給予吸煙者被動(dòng)提示，雖然能起到一定的制止作用，但還做不到后續(xù)管理員的持續(xù)跟蹤與定責(zé)。因此，實(shí)時(shí)反饋和記錄吸煙行為發(fā)生的時(shí)間、地點(diǎn)和行為人具有重要意義。

系統(tǒng)可以通過程序的流程控制，在判別吸煙行為發(fā)生時(shí)，觸發(fā)拍照留存模塊。系統(tǒng)采用每隔一段時(shí)間采集一張圖片的方式，將圖片通過網(wǎng)絡(luò)接口傳輸給服務(wù)器上的接口程序。接口程序?qū)D片按攝像頭編號(hào)及日期每日生成一個(gè)文件夾，用于存放吸煙現(xiàn)場圖片。同時(shí)服務(wù)器提供接口給手機(jī)APP 客戶端，管理員可通過APP 客戶端查看權(quán)限內(nèi)的吸煙現(xiàn)場。

2 吸煙檢測系統(tǒng)實(shí)現(xiàn)

系統(tǒng)實(shí)現(xiàn)包含以下5 個(gè)關(guān)鍵步驟。

步驟1：數(shù)據(jù)采集。為吸煙檢測判別模型的訓(xùn)練提供數(shù)據(jù)準(zhǔn)備。

步驟2：模型訓(xùn)練。選擇合適的模型訓(xùn)練算法、預(yù)訓(xùn)練參數(shù)和權(quán)重，為后續(xù)實(shí)時(shí)判別吸煙行為做準(zhǔn)備。

步驟3：播報(bào)語音的生成。定制個(gè)性化的離線提示語音，該語音需要預(yù)生成。

步驟4：檢測端程序?qū)崿F(xiàn)。用于實(shí)時(shí)采集攝像頭圖片數(shù)據(jù)，實(shí)時(shí)判斷吸煙行為，上傳保留吸煙現(xiàn)場證據(jù)。

步驟5：用戶端系統(tǒng)開發(fā)。包含手機(jī)APP 和PC 端管理系統(tǒng)。

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集分為兩個(gè)部分：一是用于人工智能模型訓(xùn)練；二是實(shí)時(shí)采集的吸煙圖片，用于推理。

第一部分：計(jì)算機(jī)要實(shí)現(xiàn)吸煙行為判斷，必須依賴于大量的吸煙行為數(shù)據(jù)，并通過人工智能算法的訓(xùn)練，才能讓計(jì)算機(jī)具備識(shí)別吸煙行為的功能。因此，該部分?jǐn)?shù)據(jù)不需要實(shí)時(shí)采集，數(shù)據(jù)來源也可以更加多樣。可以通過攝像頭采集固定吸煙者在不同時(shí)間、不同狀態(tài)下的吸煙動(dòng)作，也可以通過網(wǎng)絡(luò)爬蟲方式獲取網(wǎng)絡(luò)上的個(gè)人吸煙行為圖片。這一部分?jǐn)?shù)據(jù)需要具有足量和多樣的特點(diǎn)，足量是為了提升訓(xùn)練結(jié)果的準(zhǔn)確性；多樣是為了提升訓(xùn)練模型的泛化能力。

第二部分：這部分?jǐn)?shù)據(jù)用于判斷吸煙行為，需要實(shí)時(shí)采集吸煙現(xiàn)場的圖片。每隔30 s 從視頻流中采集一次圖片，采集的圖片實(shí)時(shí)送入訓(xùn)練好的模型中進(jìn)行吸煙行為的判別。

2.2 模型訓(xùn)練

優(yōu)秀的模型訓(xùn)練算法是實(shí)現(xiàn)精確識(shí)別煙支目標(biāo)的關(guān)鍵。快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（faster regionconvolutional neural network，F(xiàn)aster RCNN）是一種雙階段目標(biāo)檢測算法：第一階段算法負(fù)責(zé)提取一定數(shù)量的目標(biāo)候選區(qū)域；第二階段算法利用特征提取網(wǎng)絡(luò)對(duì)這些候選區(qū)域進(jìn)行區(qū)分和定位。Faster RCNN通過犧牲檢測時(shí)間來換取檢測精度。YOLOv5 是一種基于深度學(xué)習(xí)的目標(biāo)檢測算法，通常用于實(shí)時(shí)物體檢測[5]，YOLOv5 算法輕量化，模型文件較小，適合在資源受限的設(shè)備上運(yùn)行。校園吸煙檢測對(duì)檢測精度的要求較低，而且由于是視頻流圖片的檢測，對(duì)檢測效率的要求很高。因此，本文選擇YOLOv5 算法進(jìn)行吸煙行為檢測模型訓(xùn)練，可以較好地進(jìn)行吸煙行為現(xiàn)場推理，滿足了現(xiàn)實(shí)需要。

2.3 播報(bào)語音生成

系統(tǒng)播報(bào)語音的生成采用百度人工智能AI 開放平臺(tái)的離線語音合成。根據(jù)給定的文本，生成對(duì)應(yīng)的語音文件。在調(diào)用百度AI 語音合成接口時(shí)，需要先注冊(cè)百度AI 開放平臺(tái)賬號(hào)，獲取語音合成的應(yīng)用程序接口（application programminginterface，API） Key 和Secret Key。其中，調(diào)用API時(shí)，可根據(jù)實(shí)際需要通過指定字段選擇不同的語音模式。

2.4 檢測端程序?qū)崿F(xiàn)

檢測端程序運(yùn)行在端邊嵌入式芯片上，其是實(shí)時(shí)吸煙行為檢測的關(guān)鍵。首先，程序判斷該攝像頭是否開啟監(jiān)控，在開啟監(jiān)控的情況下，每隔30 s 采集攝像頭圖片；其次，對(duì)圖像進(jìn)行預(yù)處理，加載預(yù)訓(xùn)練模型，并且進(jìn)行模型預(yù)測；最后，根據(jù)識(shí)別結(jié)果決定是否播報(bào)語音提示，并向服務(wù)器發(fā)送圖片。圖2 為檢測端程序?qū)崿F(xiàn)流程。

2.5 用戶端系統(tǒng)開發(fā)

用戶端分為手機(jī)APP 開發(fā)和PC 端管理系統(tǒng)開發(fā)。APP 與PC 端管理系統(tǒng)共用一個(gè)后臺(tái)程序，采用前后端分離開發(fā)模式，實(shí)現(xiàn)界面與后臺(tái)程序的解構(gòu)。用戶端系統(tǒng)作為用戶交互的接口，提供給用戶遠(yuǎn)程監(jiān)控和管理。用戶通過APP 和PC 端管理系統(tǒng)可實(shí)時(shí)查看吸煙檢測結(jié)果、接收警報(bào)通知、查詢歷史數(shù)據(jù)、生成統(tǒng)計(jì)報(bào)表，同時(shí)還能遠(yuǎn)程管理攝像頭，對(duì)數(shù)據(jù)采集時(shí)段、采集頻率等參數(shù)進(jìn)行設(shè)置。APP 具有友好的用戶界面和實(shí)用的功能，以滿足不同用戶的需求和習(xí)慣，并且可參考開源平臺(tái)的若依系統(tǒng)進(jìn)行二次開發(fā)。

3 結(jié)語與展望

本文通過數(shù)字化技術(shù)的應(yīng)用，實(shí)現(xiàn)一種完整閉環(huán)的吸煙監(jiān)測系統(tǒng)，并在實(shí)驗(yàn)驗(yàn)證中取得了積極的成果。通過數(shù)據(jù)采集、模型訓(xùn)練、語音播報(bào)等多個(gè)關(guān)鍵步驟的結(jié)合，成功開發(fā)出一個(gè)能夠準(zhǔn)確識(shí)別吸煙行為并實(shí)時(shí)反饋的系統(tǒng)。該系統(tǒng)的實(shí)現(xiàn)展示了數(shù)字化技術(shù)及智能技術(shù)在不良行為監(jiān)測和識(shí)別中的巨大潛力，其不僅可以應(yīng)用于校園，也可以擴(kuò)展至醫(yī)院、旅游景點(diǎn)等需要監(jiān)測吸煙行為的場景，為社會(huì)公共區(qū)域吸煙行為管控提供了一種思路，也為相關(guān)領(lǐng)域的學(xué)術(shù)研究和工程實(shí)踐提供參考和啟發(fā)。在未來的研究和應(yīng)用中，將繼續(xù)優(yōu)化系統(tǒng)的精確度和實(shí)時(shí)性，以更好地適應(yīng)不同環(huán)境和需求。

參考文獻(xiàn)

[1] 國家衛(wèi)生健康委 教育部關(guān)于進(jìn)一步加強(qiáng)無煙學(xué)校建設(shè)工作的通知[A/OL].（ 2020-12-09）[2024-06-15].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1779/202104/t20210408_525035.html.

[2] 何嘉彬，李雷孝，林浩，等. 面向計(jì)算機(jī)視覺的吸煙檢測方法研究綜述[J]. 計(jì)算機(jī)工程與應(yīng)用，2024，60（1）：40-56.

[3] 胡國昌，王詩太，鄧俊芳，等. 基于計(jì)算機(jī)視覺的吸煙行為分析方法及系統(tǒng)[J]. 中國煙草學(xué)報(bào)，2023，29（6）：102-112.

[4] 張洋，姚登峰，江銘虎，等. 基于EfficientDet 網(wǎng)絡(luò)的細(xì)粒度吸煙行為識(shí)別[J]. 計(jì)算機(jī)工程，2022，48（3）：302-309，314.

[5] 姜曉鳳，王保棟，夏英杰，等. 基于人體關(guān)鍵點(diǎn)和YOLOv4 的吸煙行為檢測[J]. 陜西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，50（3）：96-103.

基金項(xiàng)目：2023 年湖南省教育廳科學(xué)研究項(xiàng)目“基于多元傳感信息融合的無人自動(dòng)駕駛車輛目標(biāo)檢測算法研究”（23C1073）；長沙民政職業(yè)技術(shù)學(xué)院橫向課題項(xiàng)目“湖南舜網(wǎng)信息技術(shù)有限公司吸煙檢測系統(tǒng)”（HX2023217）。