基于視覺和嗅覺的控煙防火智能監控系統

李 欣

（深圳職業技術學院 電子與通信工程學院，廣東 深圳518055）

據衛生部發布的信息，我國目前吸煙人數達3.5 億，預計到2025年，中國每年與煙草使用相關的死亡會達到200 萬人，占全國死亡人口總數比重的15.8%，吸煙者的人均期望壽命要比總人群的期望壽命平均縮短15年[1]．我國由吸煙引起的火災由1987年的3243 起，上升到當前的7000 多起．目前的禁煙控煙僅靠責任部門執法和社會群眾監督，覆蓋面窄、執行力低，在校園、醫院等公共地方已強制禁煙多年，但仍未收到較好的效果[2]．因此，依靠先進的技術手段來提高禁煙效果和責任追溯勢在必行．目前，在飛機、高速列車等重要大眾高速交通工具上已采用煙霧報警裝置，對乘客空間內的抽煙行為具有較好的監控措施[3]．然而，該裝置僅為一般的氣體檢測傳感器，對具體抽煙人員的辨別和取證較為困難，事故處理人員難以第一時間掌握事故現場信息，在半封閉和開放環境下效果差等．

把人工智能引入到視頻圖像大數據中，徹底改變傳統視頻監控靠人眼逐幀回放辨別的后發模式，將安防監控技術帶入先發可視的智能時代．目前，基于視覺的智能監控已在車牌識別、違章抓拍、人臉身份信息比對、鐵道異物檢測等領域得到廣泛的應用，技術和市場都趨于成熟[4-5]．

1 智能監控系統整體方案設計

本文提出一種以視覺為主、嗅覺為輔的吸控煙防火系統設計方案，有別于現有的單一依靠視覺或嗅覺的系統，該方案采用深度學習算法，通過海量數據訓練，使其能將有吸煙特征的有效幀識別出來，使得攝像頭能夠準確識別煙的特征，并配合煙霧傳感器，達到準確示警的目的．該方案能主要實現以下幾個功能：

1）智能監控系統具有吸煙動作和起火特征的視覺識別功能．針對吸煙行為檢測與識別是將視頻流轉化成連續的視頻序列幀圖像，檢測并提取分析視頻源中關鍵有用信息，識別出吸煙行為．

2）智能監控系統具有對弱光環境和視頻監測盲區進行嗅覺監控功能．在光照條件不好，或者吸煙攝像頭監控盲區的情況下，啟動煙霧嗅覺識別，使得系統在各種環境下均能發揮作用．

3）智能監控系統具有警示報警功能．如果監控區域出現吸煙人員，系統在自動記錄信息的同時自動啟動報警裝置．

整套系統的設計方案如圖1所示．系統采用視覺和嗅覺2 個子系統對抽煙冒煙動作特征進行識別檢測，經過降噪濾波等前處理后，交由基于深度學習模型的運算決策系統進行運算，最后將帶識別特征的摘要信息傳輸給PC 端保存和手機APP 端查看，并對吸煙人員發聲示警．

圖1 整體系統設計圖

2 系統硬件設計

在硬件方面，選用現有成熟的硬件產品，計算機采用盒式工業級控制器IPC，英特爾i5 處理器和win10 操作系統，攝像頭和煙霧傳感器通過USB 與計算機連接，手機終端與PC 端通過wifi熱點通信．硬件框架如圖2所示．

煙霧傳感器自帶RS485 通信協議和串口線，需要外置一個485-USB 轉換器實現與計算機的連接．此外，還需要設置端口、設備地址、波特率和數據幀格式等參數，以便后面用軟件調用數據．

圖2 核心硬件框架

3 系統軟件設計

智能監控的軟件設計主要包含4 個方面：1）用深度學習框架Caffe 中的ssd 訓練樣本；2）使用Python 調用Opencv 對圖像進行處理；3）使用MySQL 實時讀取煙霧傳感器數據；4）數據結果保存．

3.1 Caffe 的基本介紹

近年來，深度學習（Deep learning）算法在人工智能領域非常的火，得到了學術界和工業界得到廣泛認可，也出現了眾多的深度學習開源框架，例如UC Berkeley 的Caffe、University de Montreal 的Theano、Google 的Tensorflow、Facebook 的Torch和PYTorch 等[6-7]．Caffe 是其中較為成熟和完善的一類深度學習框架．它是一種開源的軟件框架，其內部包含著一套基本的編程框架下定義自己的卷積神經網絡結構，也可以在此框架下添加自己的代碼，設計新的算法[8]．

3.2 基于Caffe 框架的SSD 算法訓練數據

在訓練數據前，先要收集足夠的吸煙照片樣本，來源主要是自己找人拍攝和網上搜尋，使用標注工具LabelImg 對其中的特征進行標注．每張圖片中只標注一個特征，命名為“smoke”，如圖3所示．總的樣本量超過5000 個．標注后轉換為xml 文件以供程序訓練．

訓練用的計算機，采用4 個英偉達P100 的GPU，閾值設為0．7，訓練次數5 萬次，耗時約20 h．結果顯示如圖4所示，識別準確率達80%以上．

圖3 樣本標注

3.3 使用Python 調用Opencv 對圖像進行處理

圖4 訓練結果輸出

OpenCV 是一個開源的計算機視覺庫，可以跨平臺運行，此外它還為C++、JAVA、Phthon、MATLAB 等語言提供了接口，包含眾多圖像處理函數庫，極度簡化了計算機視覺軟件的開發．Python是一種面向對象的解釋型計算機編程語言，具有十分豐富且強大的數據庫，它已經逐步變成繼Java 和C++之后的第三大程序開發語言[8]．在眾多項目研究經驗中發現Python 語言靈活性大，可靠性高，因此本系統選用python 作為主體開發語言．本文進行圖像處理時所選擇的環境為Open CV3.2+Python2.7.9．

3.4 實時讀取煙霧傳感器數據

煙霧傳感器設置為每秒鐘傳回一個數據，有煙霧時狀態值為100，否則為0，數據實時保存到MySQL數據庫中，數據界面如圖5所示．主程序實時讀取數據庫的狀態值，實現煙霧傳感器的輔助功能．

圖5 煙霧傳感器數據

4 實現結果分析

經過調試，軟硬件均達到設計要求．實測表明，在一般環境中，只要出現帶煙的特征，或者有煙霧的特征和氣體，系統均能準確識別出，并由IPC 自帶的音響發聲示警，手機APP 中亦能讀取到此次報警的關鍵幀．

圖6所示為現場測試照片，當出現帶有卷煙的畫面時，經過訓練的系統就能準確將其識別出，并發出聲音報警，最終實現將視覺和嗅覺合二為一的控煙防火智能監控系統．該系統具有很好的創新性和實用性，如能在系統集成、識別率、手機APP 和遠程通信等方面繼續完善，有望在校園、醫院等場所推廣使用．

圖6 實測結果