[发明专利]吸烟图像的识别方法及装置、存储介质、电子设备

说明书

本发明公开了一种吸烟图像的识别方法及装置、存储介质、电子设备，属于人工智能领域。其中，该方法包括：获取待识别的目标图像；采用第一预测模型预测所述目标图像，得到第一识别结果和所述第一识别结果的第一置信度，采用第二预测模型预测所述目标图像，得到第二识别结果和所述第二识别结果的第二置信度；基于所述第一置信度和所述第二置信度输出所述目标图像的第三识别结果，其中，所述第三识别结果用于表征所述目标图像内是否包括吸烟场景。通过本发明，全局识别和局部识别相结合，较好地保持模型召回率的同时，提高识别结果的精确率，解决了相关技术中识别吸烟图像的准确率低的技术问题。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种吸烟图像的识别方法及装置、存储介质、电子设备。

背景技术

相关技术中，需要在室内或某些公共场合通过图像检测吸烟场景，判断场所是否有人在吸烟，进而报警。吸烟图像识别通常采用深度学习的方法对图像进行分类或检测图像中烟的位置进行识别；整个过程需要采集数据、标注数据、训练模型、模型推理(即用训练好的模型进行预测)。

相关技术中，采用分类算法进行检测识别，需要标注大量数据才能训练出较好的模型，使用图像分类的方法能召回较多吸烟图像，但容易误判，对训练集中相似吸烟背景的图像产生误判，导致精确率较低。

针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。

发明内容

本发明实施例提供了一种吸烟图像的识别方法及装置、存储介质、电子设备。

根据本发明实施例的一个方面，提供了一种吸烟图像的识别方法，包括：获取待识别的目标图像；采用第一预测模型预测所述目标图像，得到第一识别结果和所述第一识别结果的第一置信度，采用第二预测模型预测所述目标图像，得到第二识别结果和所述第二识别结果的第二置信度，其中，所述第一预测模型用于从全局识别所述目标图像内是否包括吸烟场景，所述第二预测模型用于从局部识别所述目标图像内是否包括吸烟场景；基于所述第一置信度和所述第二置信度输出所述目标图像的第三识别结果，其中，所述第三识别结果用于表征所述目标图像内是否包括吸烟场景。

进一步，基于所述第一置信度和所述第二置信度输出所述目标图像的第三识别结果包括：判断所述第一置信度和所述第二置信度是否符合预设条件；若所述第一置信度和所述第二置信度符合预设条件，判断所述第一识别结果和所述第二识别结果是否均为正例结果，其中，所述正例结果用于表征所述目标图像内包括吸烟场景；

若所述第一识别结果和所述第二识别结果均为正例结果，输出所述目标图像的第三识别结果为所述正例结果。

进一步，判断所述第一置信度和所述第二置信度是否符合预设条件包括：判断所述第一置信度是否大于或等于第一阈值，或，判断所述第二置信度是否大于或等于第二阈值；若所述第一置信度大于或等于第一阈值，或所述第二置信度大于或等于第二阈值，确定所述第一置信度和所述第二置信度符合预设条件。

进一步，判断所述第一置信度和所述第二置信度是否符合预设条件包括：判断所述第一置信度是否大于或等于第三阈值且小于第四阈值，判断所述第二置信度是否大于或等于第五阈值且小于第六阈值；若所述第一置信度大于或等于第三阈值且小于第四阈值，且，所述第二置信度大于或等于第五阈值且小于第六阈值，确定所述第一置信度和所述第二置信度符合预设条件。

进一步，在采用第一预测模型预测所述目标图像之前，所述方法还包括：获取第一样本数据，其中，所述第一样本数据包括正样本和负样本；采用所述第一样本数据训练二分类模型，得到所述第一预测模型。

进一步，在采用第二预测模型预测所述目标图像之前，所述方法还包括：获取第一样本数据，其中，所述第一样本数据包括正样本和负样本，所述正样本包含香烟所在的图像框；采用所述第一样本数据训练基于yolo算法的目标检测模型，得到所述第二预测模型。