基于边缘计算的室内吸烟检测方法和装置与流程

1.本技术涉及互联网技术领域，尤其涉及一种基于边缘计算的室内吸烟检测方法和装置。


背景技术：

2.吸烟有危害，不仅仅危害人体健康，还会对社会产生不良的影响。任何有组织生物体只要还有生命迹象就必须要呼吸，呼出体内的二氧化碳，吸入空气中的氧气，进行新陈代谢，以维持正常的生命活动。不吸烟的人，每天都能吸入大量的新鲜空气；而经常吸烟的人，却享受不到大自然的恩惠，吸入的不是新鲜空气，而是被烟雾污染的有毒气体。随着人们对健康的日益重视，室内的禁烟力度也在不断加强。目前室内吸烟还没有明确的智能检测方案，大部分为人工检测并提醒。人工检测不能及时而准确地找到目标，并且人工检测需要时间，效率较低。因此，亟需解决这一技术问题。


技术实现要素：

3.鉴于上述问题，提出了本技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于边缘计算的室内吸烟检测方法和装置，提升了室内吸烟检测的效率和准确性，减少了室内违法行为的出现，解决了室内吸烟难以管控的问题。所述技术方案如下：
4.第一方面，提供了一种基于边缘计算的室内吸烟检测方法，包括以下步骤：
5.获取待检测室内的监控摄像头的信息，根据所述监控摄像头的信息获取所述监控摄像头采集的监控视频数据；
6.通过边缘计算对所述监控视频数据进行分析处理，识别室内是否存在吸烟行为；
7.若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息；
8.将所述报警信息发送给预设的终端设备，从而将所述报警信息通知给所述预设的终端设备的工作人员。
9.在一种可能的实现方式中，根据所述监控摄像头的信息获取所述监控摄像头采集的监控视频数据，包括：
10.布置一个或多个具备图像处理功能的边缘计算节点，并根据所述监控摄像头的信息将所述一个或多个具备图像处理功能的边缘计算节点与所述监控摄像头通信连接；
11.确定所述一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算节点；
12.将所述监控摄像头采集的监控视频数据实时发送给处于工作状态的边缘计算节点。
13.在一种可能的实现方式中，所述通过边缘计算对所述监控视频数据进行分析处理，识别室内是否存在吸烟行为，包括：
14.通过边缘计算将所述监控视频数据中的每帧转化成对应的帧图像；
15.对每个帧图像进行分析处理，识别室内是否存在吸烟行为。
16.在一种可能的实现方式中，所述对每个帧图像进行分析处理，识别室内是否存在吸烟行为，包括：
17.检测室内是否存在大于预设温度的待定区域；
18.若检测到室内存在大于预设温度的待定区域，则通过阈值分割法将所述待定区域从帧图像中分割出来；
19.检测所述待定区域的面积，将所述待定区域的面积与烟头的面积阈值进行比较，得到比较结果；
20.根据所述比较结果识别室内是否存在吸烟行为。
21.在一种可能的实现方式中，所述对每个帧图像进行分析处理，识别室内是否存在吸烟行为，包括：
22.对于每个帧图像，按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形图像，其中n为大于1的正整数；
23.对n个矩形图像进行处理，将n个矩形图像转化成指定边长的n个正方形图像，并按照预设排列顺序将n个正方形图像组成一个整体正方形图像；
24.将所述整体正方形图像输入预先训练的吸烟行为识别模型，利用所述训练的吸烟行为识别模型对所述整体正方形图像对应的行为动作进行预测，得到预测结果；
25.根据所述预测结果识别室内是否存在吸烟行为。
26.在一种可能的实现方式中，将所述报警信息发送给预设的终端设备，从而将所述报警信息通知给所述预设的终端设备的工作人员，包括：
27.布置无线网关，将所述报警信息发送给布置的无线网关，通过无线网关将所述报警信息发送给预设的终端设备，从而将所述报警信息通知给所述预设的终端设备的工作人员。
28.在一种可能的实现方式中，还包括：
29.在室内屋顶的四个顶角处各安装有一个可控通风扇，所述可控通风扇可以控制扇叶的转速以及扇叶的旋转方向；
30.在生成所述报警信息后需根据识别到的室内存在吸烟行为的烟头坐标生成控制每个顶角处可控通风扇的扇叶转速以及扇叶的旋转方向的控制数据传输至可控通风扇的控制端，其具体步骤包括，
31.步骤a1：利用公式(1)根据识别到的室内所有存在吸烟行为的烟头坐标得到室内存在吸烟行为的烟头综合聚集坐标(以所述室内房间俯视图图像的左上顶点为原点左边缘竖直向下为x轴，上边缘水平向右为y轴建立平面直角坐标系)
[0032][0033]
其中(x，y)表示室内存在吸烟行为的烟头综合聚集坐标；n表示采集的房间俯视图图像中每一列像素点的个数；m表示采集的房间俯视图图像中每一行像素点的个数；x表示横坐标变量取值范围为[1，n]；y表示纵坐标变量取值范围为[1，m]；p(x)表示横坐标为x时对应的此列像素点中烟头坐标的个数；p(y)表示纵坐标为y时对应的此行像素点中烟头坐标的个数；
[0034]
步骤a2：利用公式(2)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风
扇扇叶旋转方向的控制数据
[0035][0036]
其中e(1，1)，e(1，m)，e(n，1)，e(n，m)表示每个坐标点所对应的可控通风扇扇叶旋转方向的控制值；(1,1),(1,m),(n,1),(n,m)表示室内屋顶的四个顶角处投影到房间地面上所对应的房间俯视图图像中每一个风扇投影像素点，可以利用坐标来代表对应的风扇；∧表示逻辑关系与；f[]表示判断函数(若括号内的算式为真则函数值为1，反之函数值为-1)；
[0037]
若所述可控通风扇扇叶旋转方向的控制值为1，则控制所述对应的可控通风扇扇叶旋转方向为正转，即所述可控风扇将室内的空气进行排出；
[0038]
若所述可控通风扇扇叶旋转方向的控制值为-1，则控制所述对应的可控通风扇扇叶旋转方向为反转，即所述可控风扇将室外的空气吸入进室内；
[0039]
步骤a3：利用公式(3)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风扇的扇叶转速的控制数据
[0040][0041]
其中v(1，1)，v(1，m)，v(n，1)，v(n，m)表示每个坐标点所对应的可控通风扇扇叶的控制转速；v
max
表示所述可控通风扇扇叶的最大可控转速值；
[0042]
通过上述步骤得到的每个坐标点所对应的可控通风扇扇叶旋转方向的控制值以及风扇扇叶的控制转速控制每个顶角的风扇，进而完成通风保证室内的空气流通，排出烟气。
[0043]
第二方面，提供了一种基于边缘计算的室内吸烟检测装置，包括：
[0044]
获取模块，用于获取待检测室内的监控摄像头的信息，根据所述监控摄像头的信息获取所述监控摄像头采集的监控视频数据；
[0045]
识别模块，用于通过边缘计算对所述监控视频数据进行分析处理，识别室内是否存在吸烟行为；
[0046]
生成模块，用于若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息；
[0047]
报警模块，用于将所述报警信息发送给预设的终端设备，从而将所述报警信息通知给所述预设的终端设备的工作人员。
[0048]
在一种可能的实现方式中，所述获取模块还用于：
[0049]
布置一个或多个具备图像处理功能的边缘计算节点，并根据所述监控摄像头的信息将所述一个或多个具备图像处理功能的边缘计算节点与所述监控摄像头通信连接；
[0050]
确定所述一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算节点；
[0051]
将所述监控摄像头采集的监控视频数据实时发送给处于工作状态的边缘计算节点。
[0052]
在一种可能的实现方式中，所述识别模块还用于：
[0053]
通过边缘计算将所述监控视频数据中的每帧转化成对应的帧图像；
[0054]
对每个帧图像进行分析处理，识别室内是否存在吸烟行为。
[0055]
在一种可能的实现方式中，所述识别模块还用于：
[0056]
检测室内是否存在大于预设温度的待定区域；
[0057]
若检测到室内存在大于预设温度的待定区域，则通过阈值分割法将所述待定区域从帧图像中分割出来；
[0058]
检测所述待定区域的面积，将所述待定区域的面积与烟头的面积阈值进行比较，得到比较结果；
[0059]
根据所述比较结果识别室内是否存在吸烟行为。
[0060]
在一种可能的实现方式中，所述识别模块还用于：
[0061]
对于每个帧图像，按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形图像，其中n为大于1的正整数；
[0062]
对n个矩形图像进行处理，将n个矩形图像转化成指定边长的n个正方形图像，并按照预设排列顺序将n个正方形图像组成一个整体正方形图像；
[0063]
将所述整体正方形图像输入预先训练的吸烟行为识别模型，利用所述训练的吸烟行为识别模型对所述整体正方形图像对应的行为动作进行预测，得到预测结果；
[0064]
根据所述预测结果识别室内是否存在吸烟行为。
[0065]
借由上述技术方案，本技术实施例提供的基于边缘计算的室内吸烟检测方法和装置，可以获取待检测室内的监控摄像头的信息，根据监控摄像头的信息获取监控摄像头采集的监控视频数据；随后通过边缘计算对监控视频数据进行分析处理，识别室内是否存在吸烟行为；若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息；之后将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。可以看到，本技术实施例在室内的监控摄像头系统中加入边缘计算部分，很大程度上提高摄像头的智能化，使摄像头具备图像识别功能，识别成功后可以提醒，提升了室内吸烟检测的效率和准确性，减少了室内违法行为的出现，解决了室内吸烟难以管控的问题。
附图说明
[0066]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍。
[0067]
图1示出了根据本技术实施例的基于边缘计算的室内吸烟检测方法的流程图；
[0068]
图2示出了根据本技术另一实施例的基于边缘计算的室内吸烟检测方法的流程
图；
[0069]
图3示出了根据本技术实施例的基于边缘计算的室内吸烟检测装置的结构图。
具体实施方式
[0070]
下面将参照附图更详细地描述本技术的示例性实施例。虽然附图中显示了本技术的示例性实施例，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
[0071]
需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。
[0072]
本技术实施例提供了一种基于边缘计算的室内吸烟检测方法。如图1所示，该基于边缘计算的室内吸烟检测方法可以包括以下步骤s101至s104：
[0073]
步骤s101，获取待检测室内的监控摄像头的信息，根据监控摄像头的信息获取监控摄像头采集的监控视频数据；
[0074]
步骤s102，通过边缘计算对监控视频数据进行分析处理，识别室内是否存在吸烟行为；
[0075]
步骤s103，若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息；
[0076]
步骤s104，将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。
[0077]
本技术实施例可以获取待检测室内的监控摄像头的信息，根据监控摄像头的信息获取监控摄像头采集的监控视频数据；随后通过边缘计算对监控视频数据进行分析处理，识别室内是否存在吸烟行为；若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息；之后将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。可以看到，本技术实施例在室内的监控摄像头系统中加入边缘计算部分，很大程度上提高摄像头的智能化，使摄像头具备图像识别功能，识别成功后可以提醒，提升了室内吸烟检测的效率和准确性，减少了室内违法行为的出现，解决了室内吸烟难以管控的问题。
[0078]
本技术实施例中提供了一种可能的实现方式，上文步骤s101根据监控摄像头的信息获取监控摄像头采集的监控视频数据，具体可以包括以下步骤a1至a3：
[0079]
步骤a1，布置一个或多个具备图像处理功能的边缘计算节点，并根据监控摄像头的信息将一个或多个具备图像处理功能的边缘计算节点与监控摄像头通信连接；
[0080]
步骤a2，确定一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算节点；
[0081]
步骤a3，将监控摄像头采集的监控视频数据实时发送给处于工作状态的边缘计算节点。
[0082]
本技术实施例布置一个或多个具备图像处理功能的边缘计算节点，并根据监控摄像头的信息将一个或多个具备图像处理功能的边缘计算节点与监控摄像头通信连接，进而确定一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算节点，随后将监控摄像头采集的监控视频数据实时发送给处于工作状态的边缘计算节点，可以选择合适的边缘计算节点，提高计算的效率。
[0083]
本技术实施例中提供了一种可能的实现方式，上文步骤s102通过边缘计算对监控视频数据进行分析处理，识别室内是否存在吸烟行为，具体可以包括以下步骤b1至b2：
[0084]
步骤b1，通过边缘计算将监控视频数据中的每帧转化成对应的帧图像；
[0085]
步骤b2，对每个帧图像进行分析处理，识别室内是否存在吸烟行为。
[0086]
本技术实施实例通过边缘计算将监控视频数据中的每帧转化成对应的帧图像，进而对每个帧图像进行分析处理，识别室内是否存在吸烟行为，可以提高识别的准确率和图像处理的效率。
[0087]
本技术实施例中提供了一种可能的实现方式，步骤b2对每个帧图像进行分析处理，识别室内是否存在吸烟行为，具体可以包括以下步骤b2-1至b2-4：
[0088]
步骤b2-1，检测室内是否存在大于预设温度的待定区域；
[0089]
步骤b2-2，若检测到室内存在大于预设温度的待定区域，则通过阈值分割法将待定区域从帧图像中分割出来；
[0090]
步骤b2-3，检测待定区域的面积，将待定区域的面积与烟头的面积阈值进行比较，得到比较结果；
[0091]
步骤b2-4，根据比较结果识别室内是否存在吸烟行为。
[0092]
本技术实施例检测室内是否存在大于预设温度的待定区域，若检测到室内存在大于预设温度的待定区域，则通过阈值分割法将待定区域从帧图像中分割出来，随后检测待定区域的面积，将待定区域的面积与烟头的面积阈值进行比较得到比较结果，之后根据比较结果识别室内是否存在吸烟行为，可以有针对性的进行图像处理和识别，提高识别的准确率。
[0093]
本技术实施例中提供了一种可能的实现方式，步骤b2对每个帧图像进行分析处理，识别室内是否存在吸烟行为，具体可以包括以下步骤b3-1至b3-4：
[0094]
步骤b3-1，对于每个帧图像，按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形图像，其中n为大于1的正整数；
[0095]
步骤b3-2，对n个矩形图像进行处理，将n个矩形图像转化成指定边长的n个正方形图像，并按照预设排列顺序将n个正方形图像组成一个整体正方形图像；
[0096]
步骤b3-3，将整体正方形图像输入预先训练的吸烟行为识别模型，利用训练的吸烟行为识别模型对整体正方形图像对应的行为动作进行预测，得到预测结果；
[0097]
步骤b3-4，根据预测结果识别室内是否存在吸烟行为。
[0098]
本技术实施例对于每个帧图像，按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形图像，随后对n个矩形图像进行处理，将n个矩形图像转化成指定边长的n个正方形图像，并按照预设排列顺序将n个正方形图像组成一个整体正方形图像，进而将整体正方形图像输入预先训练的吸烟行为识别模型，利用训练的吸烟行为识别模型对整体正方形图像对应的行为动作进行预测，得到预测结果，之后根据预测结果识别室内是否存
在吸烟行为，可以提高图像识别的效率和准确率。
[0099]
本技术实施例中提供了一种可能的实现方式，上文步骤s104将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员，具体可以是布置无线网关，将报警信息发送给布置的无线网关，通过无线网关将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。
[0100]
本技术实施例中提供了一种可能的实现方式，还可以包括：
[0101]
在室内屋顶的四个顶角处各安装有一个可控通风扇，可控通风扇可以控制扇叶的转速以及扇叶的旋转方向；
[0102]
在生成报警信息后需根据识别到的室内存在吸烟行为的烟头坐标生成控制每个顶角处可控通风扇的扇叶转速以及扇叶的旋转方向的控制数据传输至可控通风扇的控制端，其具体步骤包括，
[0103]
步骤a1：利用公式(1)根据识别到的室内所有存在吸烟行为的烟头坐标得到室内存在吸烟行为的烟头综合聚集坐标(以室内房间俯视图图像的左上顶点为原点左边缘竖直向下为x轴，上边缘水平向右为y轴建立平面直角坐标系)
[0104][0105]
其中(x，y)表示室内存在吸烟行为的烟头综合聚集坐标；n表示采集的房间俯视图图像中每一列像素点的个数；m表示采集的房间俯视图图像中每一行像素点的个数；x表示横坐标变量取值范围为[1，n]；y表示纵坐标变量取值范围为[1，m]；p(x)表示横坐标为x时对应的此列像素点中烟头坐标的个数；p(y)表示纵坐标为y时对应的此行像素点中烟头坐标的个数；
[0106]
步骤a2：利用公式(2)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风扇扇叶旋转方向的控制数据
[0107][0108]
其中e(1，1)，e(1，m)，e(n，1)，e(n，m)表示每个坐标点所对应的可控通风扇扇叶旋转方向的控制值；(1,1),(1,m),(n,1),(n,m)表示室内屋顶的四个顶角处投影到房间地面上所对应的房间俯视图图像中每一个风扇投影像素点，可以利用坐标来代表对应的风扇；∧表示逻辑关系与；f[]表示判断函数(若括号内的算式为真则函数值为1，反之函数值为-1)；
[0109]
若可控通风扇扇叶旋转方向的控制值为1，则控制对应的可控通风扇扇叶旋转方向为正转，即可控风扇将室内的空气进行排出；
[0110]
若可控通风扇扇叶旋转方向的控制值为-1，则控制对应的可控通风扇扇叶旋转方向为反转，即可控风扇将室外的空气吸入进室内；
[0111]
步骤a3：利用公式(3)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风
扇的扇叶转速的控制数据
[0112][0113]
其中v(1，1)，v(1，m)，v(n，1)，v(n，m)表示每个坐标点所对应的可控通风扇扇叶的控制转速；v
max
表示可控通风扇扇叶的最大可控转速值；
[0114]
通过上述步骤得到的每个坐标点所对应的可控通风扇扇叶旋转方向的控制值以及风扇扇叶的控制转速控制每个顶角的风扇，进而完成通风保证室内的空气流通，排出烟气。
[0115]
上述技术方案的有益效果为：首先利用步骤a1中的公式(1)根据识别到的室内所有存在吸烟行为的烟头坐标得到室内存在吸烟行为的烟头综合聚集坐标，进而找到一个吸烟的大致聚集点，进而以聚集点为通风参考点进行通风操作；然后利用步骤a2中的公式(2)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风扇扇叶旋转方向的控制数据，从而对离吸烟聚集点最近的通风风扇进行向外排气从而将烟气排出，将其余三个通风风扇进行吸气，保证新鲜空气流通尽来；最后利用步骤a3中的公式(3)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风扇的扇叶转速的控制数据，从而根据距离吸烟聚集点的位置进行不同速度的吸气通风，以确保室内可以循环通气，保证室内非吸烟人员的呼吸通畅。
[0116]
以上介绍了图1所示实施例的各个环节的多种实现方式，下面将通过具体实施例来详细介绍基于边缘计算的室内吸烟检测方法的实现过程。
[0117]
本技术另一实施例提供了一种基于边缘计算的室内吸烟检测方法，如图2所示，该基于边缘计算的室内吸烟检测方法可以包括以下步骤s201至s207。
[0118]
步骤s201，获取待检测室内的监控摄像头的信息。
[0119]
步骤s202，布置一个或多个具备图像处理功能的边缘计算节点，并根据监控摄像头的信息将一个或多个具备图像处理功能的边缘计算节点与监控摄像头通信连接。
[0120]
步骤s203，确定一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算节点。
[0121]
步骤s204，将监控摄像头采集的监控视频数据实时发送给处于工作状态的边缘计算节点。
[0122]
步骤s205，通过边缘计算将监控视频数据中的每帧转化成对应的帧图像，对每个帧图像进行分析处理，识别室内是否存在吸烟行为。
[0123]
该步骤中，对每个帧图像进行分析处理，识别室内是否存在吸烟行为，具体可以参见前文介绍的步骤b2-1至b2-4或者步骤b3-1至b3-4，此处不再赘述。
[0124]
步骤s206，若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息。
[0125]
步骤s207，布置无线网关，将报警信息发送给布置的无线网关，通过无线网关将报
警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。
[0126]
本技术实施例在室内的监控摄像头系统中加入边缘计算部分，很大程度上提高摄像头的智能化，使摄像头具备图像识别功能，识别成功后可以提醒，提升了室内吸烟检测的效率和准确性，减少了室内违法行为的出现，解决了室内吸烟难以管控的问题。
[0127]
需要说明的是，实际应用中，上述所有可能的实施方式可以采用结合的方式任意组合，形成本技术的可能的实施例，在此不再一一赘述。
[0128]
基于上文各个实施例提供的基于边缘计算的室内吸烟检测方法，基于同一发明构思，本技术实施例还提供了一种基于边缘计算的室内吸烟检测装置。
[0129]
图3示出了根据本技术实施例的基于边缘计算的室内吸烟检测装置的结构图。如图3所示，该基于边缘计算的室内吸烟检测装置可以包括获取模块310、识别模块320、生成模块330以及报警模块340。
[0130]
获取模块310，用于获取待检测室内的监控摄像头的信息，根据监控摄像头的信息获取监控摄像头采集的监控视频数据；
[0131]
识别模块320，用于通过边缘计算对监控视频数据进行分析处理，识别室内是否存在吸烟行为；
[0132]
生成模块330，用于若识别出室内存在吸烟行为，则生成表示室内存在吸烟行为的报警信息；
[0133]
报警模块340，用于将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。
[0134]
本技术实施例中提供了一种可能的实现方式，上文图3展示的获取模块310还用于：
[0135]
布置一个或多个具备图像处理功能的边缘计算节点，并根据监控摄像头的信息将一个或多个具备图像处理功能的边缘计算节点与监控摄像头通信连接；
[0136]
确定一个或多个具备图像处理功能的边缘计算节点中处于工作状态的边缘计算节点；
[0137]
将监控摄像头采集的监控视频数据实时发送给处于工作状态的边缘计算节点。
[0138]
本技术实施例中提供了一种可能的实现方式，上文图3展示的识别模块320还用于：
[0139]
通过边缘计算将监控视频数据中的每帧转化成对应的帧图像；
[0140]
对每个帧图像进行分析处理，识别室内是否存在吸烟行为。
[0141]
本技术实施例中提供了一种可能的实现方式，上文图3展示的识别模块320还用于：
[0142]
检测室内是否存在大于预设温度的待定区域；
[0143]
若检测到室内存在大于预设温度的待定区域，则通过阈值分割法将待定区域从帧图像中分割出来；
[0144]
检测待定区域的面积，将待定区域的面积与烟头的面积阈值进行比较，得到比较结果；
[0145]
根据比较结果识别室内是否存在吸烟行为。
[0146]
本技术实施例中提供了一种可能的实现方式，上文图3展示的识别模块320还用
于：
[0147]
对于每个帧图像，按照预先确定的n个选区的矩形区域坐标截取各帧图像里的n个矩形图像，其中n为大于1的正整数；
[0148]
对n个矩形图像进行处理，将n个矩形图像转化成指定边长的n个正方形图像，并按照预设排列顺序将n个正方形图像组成一个整体正方形图像；
[0149]
将整体正方形图像输入预先训练的吸烟行为识别模型，利用训练的吸烟行为识别模型对整体正方形图像对应的行为动作进行预测，得到预测结果；
[0150]
根据预测结果识别室内是否存在吸烟行为。
[0151]
本技术实施例中提供了一种可能的实现方式，上文图3展示的报警模块340还用于：
[0152]
布置无线网关，将报警信息发送给布置的无线网关，通过无线网关将报警信息发送给预设的终端设备，从而将报警信息通知给预设的终端设备的工作人员。
[0153]
本技术实施例中提供了一种可能的实现方式，上文图3展示的报警模块340还用于：
[0154]
在室内屋顶的四个顶角处各安装有一个可控通风扇，可控通风扇可以控制扇叶的转速以及扇叶的旋转方向；
[0155]
在生成报警信息后需根据识别到的室内存在吸烟行为的烟头坐标生成控制每个顶角处可控通风扇的扇叶转速以及扇叶的旋转方向的控制数据传输至可控通风扇的控制端，其具体步骤包括，
[0156]
步骤a1：利用公式(1)根据识别到的室内所有存在吸烟行为的烟头坐标得到室内存在吸烟行为的烟头综合聚集坐标(以室内房间俯视图图像的左上顶点为原点左边缘竖直向下为x轴，上边缘水平向右为y轴建立平面直角坐标系)
[0157][0158]
其中(x，y)表示室内存在吸烟行为的烟头综合聚集坐标；n表示采集的房间俯视图图像中每一列像素点的个数；m表示采集的房间俯视图图像中每一行像素点的个数；x表示横坐标变量取值范围为[1，n]；y表示纵坐标变量取值范围为[1，m]；p(x)表示横坐标为x时对应的此列像素点中烟头坐标的个数；p(y)表示纵坐标为y时对应的此行像素点中烟头坐标的个数；
[0159]
步骤a2：利用公式(2)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风扇扇叶旋转方向的控制数据
[0160][0161]
其中e(1，1)，e(1，m)，e(n，1)，e(n，m)表示每个坐标点所对应的可控通风扇扇叶旋转方向的控制值；(1,1),(1,m),(n,1),(n,m)表示室内屋顶的四个顶角处投影到房间地面
上所对应的房间俯视图图像中每一个风扇投影像素点，可以利用坐标来代表对应的风扇；∧表示逻辑关系与；f[]表示判断函数(若括号内的算式为真则函数值为1，反之函数值为-1)；
[0162]
若可控通风扇扇叶旋转方向的控制值为1，则控制对应的可控通风扇扇叶旋转方向为正转，即可控风扇将室内的空气进行排出；
[0163]
若可控通风扇扇叶旋转方向的控制值为-1，则控制对应的可控通风扇扇叶旋转方向为反转，即可控风扇将室外的空气吸入进室内；
[0164]
步骤a3：利用公式(3)根据室内存在吸烟行为的烟头综合聚集坐标得到可控通风扇的扇叶转速的控制数据
[0165][0166]
其中v(1，1)，v(1，m)，v(n，1)，v(n，m)表示每个坐标点所对应的可控通风扇扇叶的控制转速；v
max
表示可控通风扇扇叶的最大可控转速值；
[0167]
通过上述步骤得到的每个坐标点所对应的可控通风扇扇叶旋转方向的控制值以及风扇扇叶的控制转速控制每个顶角的风扇，进而完成通风保证室内的空气流通，排出烟气。
[0168]
所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、模块的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
[0169]
本领域普通技术人员可以理解：本技术的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干程序指令，用以使得一电子设备(例如个人计算机，服务器，或者网络设备等)在运行所述程序指令时执行本技术各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0170]
或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的电子设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被电子设备的处理器执行时，所述电子设备执行本技术各实施例所述方法的全部或部分步骤。
[0171]
以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：在本技术的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本技术的保护范围。