典型文献
基于人体关键点和YOLOv4的吸烟行为检测
文献摘要：
基于机器视觉的吸烟行为检测主要利用深度学习对烟头进行目标检测,识别准确率不高.针对此问题,提出了一种基于人体关键点和YOLOv4的吸烟行为检测方法.在利用深度学习对烟头进行目标检测的基础上,加入人体关键点检测,通过计算距离、角度、时间周期判断吸烟动作是否发生.该方法首先利用AlphaPose、RetinaFace获得人体关键点位置信息;然后基于关键点位置信息计算手部与嘴部的距离、手、肘、肩膀之间的角度、吸烟的时间周期,设置吸烟行为规则;最后结合YOLOv4检测图像中是否有烟头,判断是否存在吸烟行为.实验结果表明,在自采集的吸烟数据中,该方法能够及时有效地检测出吸烟行为.
文献关键词：
吸烟检测;人体关键点;YOLOv4;周期性;目标检测
中图分类号：
作者姓名：
姜晓凤;王保栋;夏英杰;李金屏
作者机构：
济南大学信息科学与工程学院,山东济南250022;山东省网络环境智能计算技术重点实验室(济南大学),山东济南250022;山东省"十三五"高校信息处理与认知计算重点实验室(济南大学),山东济南250022
文献出处：
引用格式：
[1]姜晓凤;王保栋;夏英杰;李金屏-.基于人体关键点和YOLOv4的吸烟行为检测)[J].陕西师范大学学报（自然科学版）,2022(03):96-103
A类：
吸烟检测
B类：
YOLOv4,吸烟行为检测,机器视觉,烟头,目标检测,识别准确率,人体关键点检测,时间周期,AlphaPose,RetinaFace,关键点位,位置信息,手部,嘴部,肩膀,行为规则
AB值：
0.251192
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
