基于视觉和嗅觉的控烟防火智能监控系统

李 欣

（深圳职业技术学院 电子与通信工程学院，广东 深圳518055）

据卫生部发布的信息，我国目前吸烟人数达3.5 亿，预计到2025年，中国每年与烟草使用相关的死亡会达到200 万人，占全国死亡人口总数比重的15.8%，吸烟者的人均期望寿命要比总人群的期望寿命平均缩短15年[1]．我国由吸烟引起的火灾由1987年的3243 起，上升到当前的7000 多起．目前的禁烟控烟仅靠责任部门执法和社会群众监督，覆盖面窄、执行力低，在校园、医院等公共地方已强制禁烟多年，但仍未收到较好的效果[2]．因此，依靠先进的技术手段来提高禁烟效果和责任追溯势在必行．目前，在飞机、高速列车等重要大众高速交通工具上已采用烟雾报警装置，对乘客空间内的抽烟行为具有较好的监控措施[3]．然而，该装置仅为一般的气体检测传感器，对具体抽烟人员的辨别和取证较为困难，事故处理人员难以第一时间掌握事故现场信息，在半封闭和开放环境下效果差等．

把人工智能引入到视频图像大数据中，彻底改变传统视频监控靠人眼逐帧回放辨别的后发模式，将安防监控技术带入先发可视的智能时代．目前，基于视觉的智能监控已在车牌识别、违章抓拍、人脸身份信息比对、铁道异物检测等领域得到广泛的应用，技术和市场都趋于成熟[4-5]．

1 智能监控系统整体方案设计

本文提出一种以视觉为主、嗅觉为辅的吸控烟防火系统设计方案，有别于现有的单一依靠视觉或嗅觉的系统，该方案采用深度学习算法，通过海量数据训练，使其能将有吸烟特征的有效帧识别出来，使得摄像头能够准确识别烟的特征，并配合烟雾传感器，达到准确示警的目的．该方案能主要实现以下几个功能：

1）智能监控系统具有吸烟动作和起火特征的视觉识别功能．针对吸烟行为检测与识别是将视频流转化成连续的视频序列帧图像，检测并提取分析视频源中关键有用信息，识别出吸烟行为．

2）智能监控系统具有对弱光环境和视频监测盲区进行嗅觉监控功能．在光照条件不好，或者吸烟摄像头监控盲区的情况下，启动烟雾嗅觉识别，使得系统在各种环境下均能发挥作用．

3）智能监控系统具有警示报警功能．如果监控区域出现吸烟人员，系统在自动记录信息的同时自动启动报警装置．

整套系统的设计方案如图1所示．系统采用视觉和嗅觉2 个子系统对抽烟冒烟动作特征进行识别检测，经过降噪滤波等前处理后，交由基于深度学习模型的运算决策系统进行运算，最后将带识别特征的摘要信息传输给PC 端保存和手机APP 端查看，并对吸烟人员发声示警．

图1 整体系统设计图

2 系统硬件设计

在硬件方面，选用现有成熟的硬件产品，计算机采用盒式工业级控制器IPC，英特尔i5 处理器和win10 操作系统，摄像头和烟雾传感器通过USB 与计算机连接，手机终端与PC 端通过wifi热点通信．硬件框架如图2所示．

烟雾传感器自带RS485 通信协议和串口线，需要外置一个485-USB 转换器实现与计算机的连接．此外，还需要设置端口、设备地址、波特率和数据帧格式等参数，以便后面用软件调用数据．

图2 核心硬件框架

3 系统软件设计

智能监控的软件设计主要包含4 个方面：1）用深度学习框架Caffe 中的ssd 训练样本；2）使用Python 调用Opencv 对图像进行处理；3）使用MySQL 实时读取烟雾传感器数据；4）数据结果保存．

3.1 Caffe 的基本介绍

近年来，深度学习（Deep learning）算法在人工智能领域非常的火，得到了学术界和工业界得到广泛认可，也出现了众多的深度学习开源框架，例如UC Berkeley 的Caffe、University de Montreal 的Theano、Google 的Tensorflow、Facebook 的Torch和PYTorch 等[6-7]．Caffe 是其中较为成熟和完善的一类深度学习框架．它是一种开源的软件框架，其内部包含着一套基本的编程框架下定义自己的卷积神经网络结构，也可以在此框架下添加自己的代码，设计新的算法[8]．

3.2 基于Caffe 框架的SSD 算法训练数据

在训练数据前，先要收集足够的吸烟照片样本，来源主要是自己找人拍摄和网上搜寻，使用标注工具LabelImg 对其中的特征进行标注．每张图片中只标注一个特征，命名为“smoke”，如图3所示．总的样本量超过5000 个．标注后转换为xml 文件以供程序训练．

训练用的计算机，采用4 个英伟达P100 的GPU，阈值设为0．7，训练次数5 万次，耗时约20 h．结果显示如图4所示，识别准确率达80%以上．

图3 样本标注

3.3 使用Python 调用Opencv 对图像进行处理

图4 训练结果输出

OpenCV 是一个开源的计算机视觉库，可以跨平台运行，此外它还为C++、JAVA、Phthon、MATLAB 等语言提供了接口，包含众多图像处理函数库，极度简化了计算机视觉软件的开发．Python是一种面向对象的解释型计算机编程语言，具有十分丰富且强大的数据库，它已经逐步变成继Java 和C++之后的第三大程序开发语言[8]．在众多项目研究经验中发现Python 语言灵活性大，可靠性高，因此本系统选用python 作为主体开发语言．本文进行图像处理时所选择的环境为Open CV3.2+Python2.7.9．

3.4 实时读取烟雾传感器数据

烟雾传感器设置为每秒钟传回一个数据，有烟雾时状态值为100，否则为0，数据实时保存到MySQL数据库中，数据界面如图5所示．主程序实时读取数据库的状态值，实现烟雾传感器的辅助功能．

图5 烟雾传感器数据

4 实现结果分析

经过调试，软硬件均达到设计要求．实测表明，在一般环境中，只要出现带烟的特征，或者有烟雾的特征和气体，系统均能准确识别出，并由IPC 自带的音响发声示警，手机APP 中亦能读取到此次报警的关键帧．

图6所示为现场测试照片，当出现带有卷烟的画面时，经过训练的系统就能准确将其识别出，并发出声音报警，最终实现将视觉和嗅觉合二为一的控烟防火智能监控系统．该系统具有很好的创新性和实用性，如能在系统集成、识别率、手机APP 和远程通信等方面继续完善，有望在校园、医院等场所推广使用．

图6 实测结果