基于yolov5的吸烟异常行为检测开题报告

一、选题背景与意义（300字左右）

随着科学技术的不断发展，基于机器视觉的自动检测技术已逐渐再多个领域应用，并得到了优异的成果。人工智能的研究及发展对推动创新型世界科技强国的建设具有重要的意义，国务院在2015年发布《中国制造2025》中强调了人工智能技术在未来各行业中的重要地位。在采掘业领域中，其中重要的应用之一就是对煤场异常行为检测技术，如对吸烟、抽烟、持烟、未抽烟等自动识别，来防止煤场的危险事故发生。

本项目要求学生具备一定的计算机编程能力和Linux系统操作能力，利用自制数据集，设计一个对煤场中是否存在异常行为的检测并预警系统，系统应具备对异常行为状况的有效检测能力，满足Nano轻量化计算需求。

二、课题关键问题及难点（300左右字）

首先需要给出小目标物体的相关定义。对于小目标物体来说，其形状和大小都比较微小，使用传统的检测方法难以精准的检测到。但如果能将小目标物体进行准确地提取并加以识别，则可以有效提高图像处理效率。微软COCO提供了一个通用的数据集来表示小物体的大小和位置信息，其中每个目标面积为3232像素。图像拍摄过程中因分辨率较低而导致小物体比较大物体更易产生模糊、抖动等干扰现象，而且抗噪能力也较弱，甚至像椒盐噪声、高斯噪声等常用图形噪声也易对目标物体造成较大程度的干扰，采用去噪手段很难完全恢复小物体的特征。

本课题的关键：

1.煤场异常行为的分类

2.如何检测各异常行为

3.对异常行为进行不同的警报

本课题难点：

小目标检测难点

1.可利用特征少。

2.需要很高的定位精度。

3.如何从大规模数据集上有效地检测到小目标。

4.小目标聚合。是指在同一场景下多个不同大小或形状的物体组成一个整体。由于单个物体尺寸微小，难以分辨出它们之间是否存在明显区别，因此通常将其作为小目标来处理。

5.网络结构。现有算法多关注设计中大目标的检测结果，针对小目标的优化研究较少，同时大多基于Anchor设计，对小目标检测不友好。

四、方案论证（不少于900字）

1.图片采集与预处理

数据对深度学习模型有很大的影响，在利用深度学习进行目标检测之前，除了硬件要满足计算能力外，搭建软件环境最重要的一步就是选择或制作尽可能包含目标所有特征的数据。

在采集图像之前，首先对图像进行目标特征分析，保证采集到的图像具有代表性。而如何从复杂背景下提取有效区域是获取感兴趣对象信息最关键的一步。

本课题的最终目标是：检测图像中的人物是否抽烟。因此采用二分类（即：吸烟和未吸烟）方法来获取两类图片，分别为：采集到的吸烟者图像和未采集到的吸烟人员图像，然后利用深度学习网络进行训练与测试。为了达到目的，本课题的图片采集只需要包含有烟的图片，若有烟则判断为正在抽烟，这是因为在煤场中，吸烟行为是严格禁止的，在视频中只要采集到烟就立即发出报警，可以很大程度避免危险。同时，对于采集的数据图片不能直接使用模型进行训练，必须要经过标注等处理过程，同时通过以上分析得知吸烟者图像比较复杂，如果不经过任何过滤就随意采集吸烟者图像，会给后续的图像标注工作带来困扰。

2.数据集划分

为了使所设计的系统能够快速准确的检测出抽烟行为，需要将数据及划分为训练集、验证集、测试集。

本课题中预计标注图片2000张，数据集的分配如下表格：

表格 1 数据集分配

3.检测流程

首先必须分析抽烟行为所具有的特点。在现实生活中，当烟民进行抽烟时，香烟通常会在手指之前夹着或者在嘴中，且烟的种类众多。为了检测抽烟行为，在本工程中将使用opencv来获取视频流中每一帧的图片，根据先前训练好的模型进行对目标区域（烟）来进行捕捉识别，若检测到烟的话，则会通过边框来进行实时捕捉标明，从而实现对抽烟行为的检测识别。具体的检测流程如图：

图3 检测流程

4.结果分析和训练提升

5.在NANO部署吸烟行为检测模型

Jetson nano搭载四核Cortex-A57 MPCore 处理器，采用128 核 Maxwell#8482; GPU。支持各种主流的深度学习算法。将模型部署在NANO平台，测试图片能否识别判断是否成功

五、工作计划

2022-2023-1学期：

第15-16周：查阅资料，学习nano开发平台和技术

第17周：与导师沟通进行课题总体规划；

第18周：导师下发毕业设计（论文）任务书，学生根据导师的要求进行外文翻译，列出开题报告大纲；

第19周：搭建开发环境，撰写开题报告，假期中需提交开题报告。

2022-2023-2学期：

第1周：对功能需求进行分析, 完成系统环境配置。第2-3周：根据需求分析设计进行系统的总体设计和详细设计；

第4-6周：撰写并提交毕业设计开题报告、英文资料翻译；

第7周：编程调试，进行网络功能的详细设计；

第8-10周：进行轻量化设计，进行综合调试运行，网络部署的改进，进行综合调试运行，对运行中发现的问题进行调整；

第11周：完成软件开发，编辑用户使用帮助文档，撰写毕业设计（论文），修改毕业设计（论文），交指导老师评阅；

第12-13周：修改毕业设计（论文），提交毕业设计（论文），查重。制作论文PPT；毕业设计（论文）答辩