计算机工程

作者：张洋, 姚登峰, 江铭虎, 李凡姝

单位：1. 北京联合大学 北京市信息服务工程重点实验室, 北京 100101;2. 清华大学 人文学院 计算语言学实验室, 北京 100084

关键词：吸烟行为,EfficientDet网络,弱监督细粒度,注意力机制,行为识别

基金：国家自然科学基金（62036001，61866035，61966033）；北京市自然科学基金（4202028）；北京联合大学人才强校优选计划（BPHR2019CZ05）；江苏省重点研发计划“产业前瞻与关键核心技术”（BE2020047）。

在实际场景中，因香烟目标过于微小且特征不明显，现有的目标检测算法难以区分类烟物与香烟，导致吸烟行为识别效果差。提出一种基于弱监督细粒度结构与EfficientDet网络的吸烟行为识别算法。采用Edge Boxes算法检测图像块的特征边缘，通过非极大值抑制对边缘进行筛选，形成候选区域块。构建包含物体级筛选器和局部级筛选器的细粒度两级注意力模型，其中物体级筛选器使用改进的EfficientDet网络滤除候选区域的背景噪声，以分类前景物体及特征较强的候选区域，并在局部级筛选器中使用通道注意力卷积块对候选区域进行聚类，筛选出得分最高的像素块。通过融合物体级筛选器与局部级筛选器得到的结果，以准确识别吸烟行为。在BUU-Smoke数据集上的实验结果表明，该算法的吸烟行为识别准确率为93.10%，误检率为3.6%，并且具有较优的鲁棒性和泛化能力。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期