百度EasyDL人工智能技術助力高校控煙應用研究

摘? 要：文章對目前我國大學生校園吸煙較為嚴重的現象進行了闡述，報告了視頻監控技術、紅外熱成像技術以及煙霧報警技術等幾種常見校園控煙方法存在的弊端。針對傳統控煙技術的缺陷提出了一種基于人工智能技術應用的校園監控學生吸煙解決方案，前期對吸煙者與未吸煙者大量圖片的采集，訓練并構建出精準度較高的監測模型以達到自動識別吸煙者的目的，通過多次驗證達到了預期的控煙效果。

關鍵詞：頻監控技術；紅外熱成像技術；煙霧報警技術；監控設備

中圖分類號：TP18? 文獻標識碼：A? 文章編號：2096-4706（2023）10-0129-04

Abstract： This paper expounds the serious phenomenon of college students' smoking on campus in China， and reports the shortcomings of several common campus smoking control methods， such as video monitoring technology， infrared thermal imaging technology and smoke alarm technology. Aiming at the defects of traditional smoking control technology， this paper proposes a solution for campus monitoring students' smoking based on the application of Artificial Intelligence technology. In the early stage， a large number of pictures of smokers and non-smokers are collected， and a monitoring model with high accuracy is trained and constructed to achieve the goal of automatic identification of smokers. The expected smoking control effect is achieved through multiple verifications.

Keywords： frequency monitoring technology; infrared thermal imaging technology; smoke alarm technology; monitoring equipment

0? 引? 言

“實施健康中國戰略”方針是習總書記在十九大報告中提出的，著重指出人民健康是民族昌盛和國家富強的重要標志。無煙中國則是健康中國的一種表現，有效控煙是提升人民健康水平的有效措施。據有關部門統計，我國每5個吸煙人群中就有3個是在15至20歲的時候形成吸煙習慣的。大學階段是青少年成長發育的特殊時期，不良吸煙行為在這個階段經常發生[1]。但這一個時期形成的煙癮也相對容易擺脫，正因為如此，我們需要在急迫的在高校開展“無煙校園”建設。國家的未來與希望寄托在大學生們身上，他們肩負著中華民族偉大復興的歷史使命，要求下一代的接班人必須擁有健康的體魄和正確的價值理念。全國各高校作擔負著培養祖國接班人的重任，必須主動接過控煙接力棒。

1? 背景介紹

1.1? 傳統校園控煙

傳統的校園控煙途徑主要是通過視頻監控、紅外熱成像技術、煙霧報警技術等幾個方面的技術來實現[2]。視頻監控控煙方式主要通過在校園內部署大量監控設備，構建網絡視頻監控體系。通過網絡攝像機采集圖像并壓縮進入后臺存儲設備。紅外熱成像技術控煙是通過利用紅外熱成像的非接觸測溫技術，根據被測物溫度變化快速檢查定位。煙霧報警技術控煙是通過煙霧傳感器為煙霧檢測元件，以單片機為控制核心，主要根據檢測環境的煙霧濃度值報警。但視頻監控控煙技術存在著的識別率低與吸煙行為事后處置弊端，而煙霧報警技術、熱成像技術又很容易受到外界環境的影響，這幾種傳統的校園控煙技術都很難做到對吸煙行為進行判別，以及對吸煙者進行精準的識別。針對這些問題，本文提出了一種基于人工智能技術的校園控煙解決方案。

1.2? 人工智能控煙

人工智能AI（Artificial Intelligence）[3]是用人工的方法在計算機上實現的智能，或者說人類智能在機器上的模擬或人們使機器具有類似于人的智能。它是在神經生理學、語言哲學、控制論、信息論、計算機科學等學科的基礎上發展起來的一門學科。人工智能技術按照其演進的過程又可將分為計算智能、感知智能和認知智能三個階段。如今人工智能技術已在工業制造、信息安全、金融、醫療、教育、社會生活等各個領域有了成熟的應用。工業領域，人工智能技術具有得天獨厚的優勢并不斷展現出高效率、可靠穩定、重復精度好等特點。在信息安全領域，人工智能技術和生物識別技術兩者的深度融合解決了以前受技術發展所限造成的信息泄露等安全問題。醫療領域也能見到人工智能技術應用，例如垂直領域的圖像算法和自然語言處理技術已可基本滿足醫療行業的需求，這種模式可為病人提供診前健康狀況的初步分析和評估、診中的病情研判和手術輔助、診后的預后跟蹤等醫療服務。

充分結合人工智能技術獨有的先進性，在綜合前面提到的三種傳統控煙技術基礎上進行了創新。此次進行的人工智能控煙方案分為三個部分完成：首先預測數據獲取，主要包括依靠校園內視頻監控系統提供視頻圖片以及通過技術手段獲取到的數據；其次是要利用高性能的模型訓練平臺資料進行大量視頻圖片的模型訓練，其中包括吸煙者和未吸煙者兩種狀態，從而得到準確率較高的預測模型；最后實施人工智能控煙系統的整體調試，主要包括預測模型的部署、高性能判斷代碼開發等。

2? 人工智能控煙系統準備

2.1? 模型訓練平臺

人工智能技術應用中一個非常重要的內容就是進行高準確性預測模型的訓練，而要得到一個高準確性的模型就必須要依靠高性能的訓練平臺。EasyDL是百度公司的一款人工智能技術平臺，目前攜手90萬用戶、服務20多個行業場景。提供了較為便捷的數據集準備工作、智能標注、模型訓練、服務部署等功能，內置多種常見的人工智能預訓練模型，支持公有云、本地服務器、設備端等靈活部署模式，已在圖像內容識別、視頻圖像監控、工業生產質檢、專業領域研究、零售商品識別、醫療等領域得到了廣泛使用與落地。目前與中國南方電網、中國氣象、太平洋汽車網、中國專利信息中心、家圖網等企業有深入的合作。

2.2? 模型訓練數據

數據是人工智能領域進行深入研究的前提，扮演者非常重要的角色。數據的獲取可以通過常見的網絡數據獲取技術、攝像頭等設備采集數據、知名網站提供的數據集以及我們平時積累的一些數據等。本系統的數據獲取主要是采用網絡圖片數據及校園視頻監控圖片兩種方式獲取用于模型訓練的數據。通過兩種方式共收集到1 300多張圖片，分為了吸煙者和未吸煙者兩種。其中吸煙者圖像數量為710張，未吸煙者數量為595張。根據人工智能數據訓練要求將獲取到的數據集劃分為“吸煙”與“未吸煙”兩種標簽狀態。在接下來介紹到的百度高性能人工智能訓練平臺EasyDL中對1 300多張圖像逐一進行圖像標注，部分圖片標注結果如圖1與圖2所示。

2.3? 模型訓練效果

在完成數據集中吸煙者和未吸煙者圖像標注之后，將整個標注結果送到EasyDL平臺中利用時下較為流行的圖像分類算法進行模型訓練工作[4]。模型訓練工作在百度提供的云端服務器進行，經過一段時間訓練并得到模型后對產生的模型進行校驗工作。最終吸煙判斷模型訓練如圖3所示達到了優異程度，接下來可以利用該模型開展各種檢測判斷工作。

3? 人工智能控煙原型系統設計

3.1? 系統整體設計

原型系統包括視頻監控模塊、數據存儲模塊、圖像處理集群、模型預測模塊、事務處理集群[5]。視頻監控系統獲取學生實時圖像傳送至存儲系統，經過圖像處理集群工作之后將預處理數據交給已經訓練好的預測模型進行判斷，判斷學生吸煙行為之后進行數據存儲再交由事務處理集群與學生管理系統數據進行快速對比，最終確定吸煙者身份[6]。各模塊交互關系圖如圖4所示。

3.2? 核心代碼

經過百度EasyDL高性能模型訓練平臺的訓練之后，預測模型的準確率可達到97%。接下來要開發配套的吸煙預測代碼[7]，本系統采用目前人工智能領域較為流行的Python開發語言進行核心代碼編寫。下面為部分核心代碼：

import json

import base64

import requests

import matplotlib.pyplot as plt

# 目標圖片的 本地文件路徑，支持jpg/png/bmp格式

IMAGE_FILEPATH = "./nosmoke.jpg"

img = plt.imread（IMAGE_FILEPATH）

plt.imshow（img）

plt.axis（"off"）

plt.show（）

#top_num：返回的分類數量

PARAMS = {"top_num"： 2}

#服務詳情中的接口地址

MODEL_API_URL="https：//aip.baidubce.com/rpc/2.0/ai_custom/v1/classification/smoke_or_not"

#調用API需要ACCESS_TOKEN。若已有ACCESS_TOKEN則于下方填入該字符串

#否則，留空 ACCESS_TOKEN，于下方填入該模型部署的API_KEY以及SECRET_KEY，會自動申請并顯示新ACCESS_TOKEN

ACCESS_TOKEN = ""

API_KEY = "AHaHeLtbGsXHqDTnbmQG0fWX"

SECRET_KEY = "xmTpLOGFq6Vqmc1IXhYOGH2QCKtRq..."（省去后三位）

with open（IMAGE_FILEPATH， 'rb'） as f：

base64_data = base64.b64encode（f.read（））

base64_str = base64_data.decode（'UTF8'）

PARAMS["image"] = base64_str

if not ACCESS_TOKEN：

auth_url = "https：//aip.baidubce.com/oauth/2.0/token？grant_type=client_credentials"＼"&client_id={}&client_secret={}".format（API_KEY，SECRET_KEY）

auth_resp = requests.get（auth_url）

auth_resp_json = auth_resp.json（）

ACCESS_TOKEN = auth_resp_json["access_token"]

else：

print（"使用已有ACCESS_TOKEN"）

request_url = "{}？access_token={}".format（MODEL_API_URL，ACCESS_TOKEN）

response = requests.post（url=request_url，json=PARAMS）

response_json = response.json（）

response_str = json.dumps（response_json，indent=4，ensure_ascii=False）

print（"模型檢測結果：＼n{}".format（response_str））

3.3? 結果預測

在構建完人工智能技術控煙系統之后，接下來使用吸煙者和未吸煙者的圖片進行結果預測[8]，來初步檢測預測模型的效果。從圖5可以看出以下的兩個預測圖片都很準確地被識別出來，識別準確率都在93%以上。

通過對網絡圖片、視頻采集圖片兩種不同數據類型的預測結果對比不難發現人工智能技術控煙方案能夠非常出色地完成校園內學生吸煙行為的判斷，如表1所示。

4? 結? 論

將模型投入到高校校園進行具體應用時還需要考慮其他方面的因素，主要是硬件環境配備與軟件細化處理兩個方面。首先從硬件環境配備入手，校園內要提供識別率較高的攝像頭以便在規定頻率內獲取所監測場所學生的圖像，同時還要配備具有足夠計算資源及存儲資源的服務器以便保證能夠及時將獲取到的圖片進行處理判斷。其次從學生管理部門的實際出發在后續的高校控煙系統完善過程中還要考慮到對檢測出來的吸煙者進行追蹤與警示功能，可以通過設計警示發布系統，定期在平臺上公布系統檢測出來的校園吸煙者以達到有效控制校園吸煙現象。

參考文獻：

[1] 李愛蘭，黃悅勤，王燕玲，等.我國青少年學生吸煙行為及其影響因素的初步分析[J].中國公共衛生，2001（1）：79-81.

[2] 劉子琪，沈寶國.關于高校建設無煙校園的思考與建議 [J].現代職業教育，2019（33）：80-81.

[3] 馮秀娟.淺談人工智能技術在社會中的應用 [J].福建茶葉，2020，42（3）：302.

[4] 周金容，孫誠.人工智能時代的職業沖擊與高職人才培養升級 [J].職業技術教育，2019，40（28）：18-24.

[5] 潘廣貞，元琴，樊彩霞，等.基于混合高斯模型和幀差法的吸煙檢測算法 [J].計算機工程與設計，2015，36（5）：1290-1294+1336.

[6] 彭明超，包姣，葉茂，等.基于形狀參數回歸的人臉對齊算法 [J].模式識別與人工智能，2016，29（1）：63-71.

[7] 程淑紅，馬曉菲，張仕軍，等.基于多任務分類的吸煙行為檢測 [J].計量學報，2020，41（5）：538-543.

[8] 張云雪.人工智能在體育應用中的現狀及未來展望 [J].網羽世界，2021（2）：166-167.

作者簡介：朱金壇（1981—），男，漢族，陜西渭南人，副教授，碩士，研究方向：大數據及人工智能方向的技術應用。