封闭式旅游景区火灾风险行为视频监测及管控方法

1.本发明涉及一种封闭式旅游景区火灾风险行为视频监测及管控 方法，其中包括目标检测技术、人脸识别技术等，属于计算机视觉领 域。


背景技术：

2.我国森林火灾频发于山林景区，据相关数据统计，其中95％以上 是人为引起的，而在山林中抽烟、乱扔烟头是引发森林火灾最主要的 原因。因此，人流密集、存在火灾隐患、工作范围巨大的旅游景区， 尤其是易发生火灾的山林景区，禁烟管控力度的提高尤为重要。
3.传统的禁烟管控方式是通过旅游景区的警示牌、广播警告和工作 人员口头劝阻等，但往往因为管控力度不足、效果差而导致无法做到 真正的“禁烟”。如何在旅游景区通过有效禁烟消除火灾隐患具有很 大的现实意义，因此需要研究一种针对抽烟行为的火灾风险行为视频 监测及管控方法，从而减少旅游景区的火灾风险。


技术实现要素：

4.为了减少旅游景区火灾风险，需要提高旅游景区的禁烟管控力度， 实现在旅游景区这种人流量巨大的场景下对抽烟行为的有效管控，本 发明提出一种针对抽烟行为的火灾风险行为视频监测及管控方法。
5.本发明方法运用于旅游景区的室内与室外场所，所用设备主要由 路测监控摄像头、后端服务器和人脸识别闸机构成。封闭式旅游景区 火灾风险行为监测及管控方法，包括如下步骤：
6.步骤1，在旅游景区的室外空旷位置安装防水高清球型摄像机， 室外特定场景使用枪型摄像机，旅游景区室内摄像头选用红外半球型 摄像机；
7.步骤2，摄像头在旅游景区的工作时段以其各自的工作方式对监 控区域进行实时监控，以获取不同位置的监控影像数据；
8.步骤3，将摄像头采集到的监控影像数据上传到后端服务器进行 分类存储；
9.步骤4，根据采集到的不同位置、不同类型的监控影像数据进行 逐帧分离获取单独图像帧并根据类型进行图像优化；
10.步骤5，使用yolov5检测模型和deepsort多目标追踪模型，依 次对上述的单独图像帧依据判断逻辑进行判断，确定监控影像中的抽 烟对象；
11.步骤6，保存抽烟对象抽烟时的监控影像单独图像帧的全景图片、 deepsort多目标追踪模型获取的人像检测的图像切片以及mtcnn人 脸识别算法获取的人脸图像。
12.步骤7，人脸识别闸机获取游客面部特征，并与后端服务器中储 存的抽烟对象面部特征进行比对判断。
13.步骤8，闸机根据上述的判断结果实行通行或禁行操作。
14.进一步，步骤1所述的室外特定场景包括景观、凉亭的游客停留 地点，以及光线不
充足、无灯光照明的地区。
15.本发明的优点是：可实现封闭式旅游景区大人流量场景下的抽烟 行为检测，针对不同场景包括室外景观、室内场所等进行不同的图像 优化，保存抽烟对象对应的全景图片、图像切片以及人脸图像，与通 过人脸识别闸机的游客进行比对并执行对应管控方式。
附图说明
16.图1是系统运行流程图，对应步骤2至步骤8的具体流程。
17.图2是二次检测流程图，对应步骤5.3的具体流程。
具体实施方式
18.下面结合附图，进一步说明本发明的技术方案。
19.封闭式旅游景区火灾风险行为监测及管控方法，包括如下步骤：
20.步骤1，在旅游景区的室外空旷位置安装防水高清球型摄像机， 室外特定场景(景观、凉亭等游客停留地点或光线不充足、无灯光照 明等地区)使用枪型摄像机，旅游景区室内摄像头选用红外半球型摄 像机，实施方法为：根据旅游景区禁烟管控区域的实况以及摄像头的 种类，设置特定的布置方式，以获取区域内的实时监控视频。在室外 空旷部分，该场景监控视野空旷，游客流量大且密集，设置防水高清 球型摄像机，每间距x米设置一台摄像机(根据所选摄像机的拍摄距 离以及具体监控场景而定)，确保在游客拥挤的情况下可获得清晰的 大范围监控影像。在室外特定场景(景观、凉亭等游客停留地点或光 线不充足、无灯光照明等地区)使用枪型摄像机，摄像机安装高度为 h、与水平面夹角为θ，以实现对特定场景的单独监控；旅游景区室内 摄像头选用红外半球型摄像机，根据摄像头的监控范围在室内屋顶以 吊顶安装的形式分布安装，以实现对室内无死角监控。
21.步骤2，摄像头在旅游景区的工作时段以其各自的工作方式对监 控区域进行实时监控，以获取不同位置的监控影像数据。其中，室外 空旷部分的球型摄像机设置以频率f1进行360度自动巡航聚焦，检测 到抽烟对象时暂停旋转并对抽烟对象进行对焦拍摄，在确保监控影像 清晰度的情况下对尽可能大的面积实施监控；室外特定场景的枪型摄 像机从安装的角度对监控区域进行固定监控，对光线不充足、无灯光 照明的监控区域使用led补光灯提升监控影像的清晰度；室内的红外 半球型摄像机根据安装位置设置以频率f2水平垂直转动，并对室内光 线不足的区域开启红外补光，以获取室内的多角度清晰监控影像。
22.步骤3，将摄像头采集到的监控影像数据上传到后端服务器进行 分类存储，方法为：将摄像头监控影像视频影像通过无线传输设备传 输到后端的服务器的数据库中，室外安装的球形摄像头和枪型摄像头 获取的监控影像以室外类监控影像储存，室内半球形红外摄像头获取 监控影像以室内类监控影像储存。
23.步骤4，根据采集到的不同位置、不同类型的监控影像数据进行 逐帧分离获取单独图像帧并根据类型进行图像优化，具体方法为：
24.步骤4.1，将摄像头采集到的监控视频影像按时间排列顺序进行 视频逐帧分离，实现由视频片段转换为多个单独图像帧。
25.步骤4.2，对上述分离所得的图像使用图像增强算法进行图像优 化，其中，步骤3分类中的户外类型图像，图像清晰度易受天气、光 照等因素影响，通过调整图像的灰阶分
布来提高图像的对比度；分类 中的室内图像，通过拓展和增强图像的低灰度值部分并压缩高灰度部 分的值来提升图片暗处的亮度。
26.步骤5，使用yolov5检测模型和deepsort多目标追踪模型，依 次对上述的单独图像帧依据判断逻辑进行判断，确定监控影像中的抽 烟对象。其中yolov5检测模型使用香烟数据集、行人数据集和人的 嘴部数据集训练而成，deepsort多目标追踪模型使用行人数据集训 练而成。具体步骤为：
27.步骤5.1，使用yolov5检测模型检测出步骤4处理后图像中的 香烟，对识别出的香烟对象按顺序依次打上序号标签(用于辨别多个 香烟对象并排除已拥有标签的香烟被多次检测)，并保存该完成香烟 标签处理的图像。
28.步骤5.2，使用yolov5检测模型检测出上述已完成香烟标签处 理图像中的游客，其中，与香烟对象重合的游客对象(重合的判定方 式：香烟对象检测框与游客对象检测框重合度超过预设阈值为重合， 未达到阈值为不重合)，将其暂认定为抽烟者，给暂认定的抽烟者依 次打上与香烟对象对应的“暂定抽烟对象”标签；未与游客对象重合 的香烟对象，更换其所对应标签为“弃烟”标签(即认定该香烟对象 为无对应抽烟对象的“弃烟”，终止对该香烟对象的后续检测)。
29.步骤5.3，使用该deepsort多目标追踪模型对上述“暂定抽烟 对象”进行目标跟踪，摄像头聚焦至该抽烟对象对其进行持续t秒的 对焦拍摄，获取该对象的后续图像帧进行二次检测。对“暂定抽烟对 象”的后续图像帧使用yolov5检测网络来检测香烟对象与人的嘴部 对象，在t秒内，每检测到一次香烟对象检测框和当前“暂定抽烟对 象”的嘴部对象检测框重合，则令该“暂定抽烟对象”的抽烟计数n 加一，若n达到预设的判断阈值，则最终认定该游客对象为“抽烟对 象”，并将其“暂定抽烟对象”标签更改为抽烟对象标签；若后续图 像帧二次检测完成后，n未达到预设的判断阈值，则最终认定该游客 对象没有抽烟，并去除其“暂定抽烟对象”标签。
30.步骤6，保存抽烟对象抽烟时的监控影像单独图像帧的全景图片、 deepsort多目标追踪模型获取的人像检测的图像切片以及mtcnn人 脸识别算法获取的人脸图像，具体为：保存步骤5.3中认定“抽烟对 象”对应图像帧的全景图；坐标系以全景图的左上角为坐标原点o， 向右为x轴方向，向下为y轴方向，根据deepsort多目标追踪模型获 取的人像检测框中心点坐标以及检测框的宽度和高度(中心点坐标以 (xn,yn)表示，宽度以wn表示，高度以hn表示)，保存以(xn,yn)为中心、 wn和hn放大一定比例的抽烟对象人像检测图像切片(放大比例为某 一定值，为获取完整人像)；再对认定为抽烟对象对应的图像帧使用 mtcnn人脸检测模型获取其人脸图像并保存至抽烟对象人脸图像库中。
31.步骤7，人脸识别闸机获取游客面部特征，并与后端服务器中储 存的抽烟对象面部特征进行比对判断，具体方法为：当游客离开旅游 景区通过人脸识别闸机时，闸机获取游客的人脸识别图像，并将其与 步骤6中保存的抽烟对象人脸图像依次进行比对，判断有无超出相似 度阈值的抽烟对象人脸图像，有则认定该游客是抽烟对象，无则认定 该游客不是抽烟对象。
32.步骤8，闸机根据上述的判断结果实行通行或禁行操作，具体为： 根据步骤7中对当前通过闸机的游客是否为抽烟对象的判断结果，若 判断结果为“是”，即该游客是“抽烟对象”，则闸机发出警告信息并 禁止通行；若判断结果为“否”，即该游客不是“抽烟对象”，
闸机通 道打开予以通行。
33.本说明书实施例所述的内容仅仅是对发明构思的实现形式的列 举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式， 本发明的保护范围也及于本领域技术人员根据本发明构思所能够想 到的等同技术手段。