姜晓凤,王保栋,夏英杰,李金屏

(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)

吸烟对自己和他人的身体健康会造成很大危害，同时吸烟也会污染环境，稍有不慎还会引发火灾。因此，吸烟行为检测得到学者越来越多的重视。公共场所吸烟行为检测的方法主要分为基于传感器和基于视觉的吸烟行为检测。基于传感器的吸烟行为检测方法主要通过烟雾传感器、可穿戴传感器[1]等。但是，由于香烟烟雾易扩散，容易受到环境的干扰，烟雾传感器很难适用于公共场所吸烟行为检测，而可穿戴传感器一般只适用于主动戒烟人群。因此，基于计算机视觉的吸烟行为检测得到越来越多的关注，主要方法分为基于传统算法和基于深度学习的吸烟行为检测。

传统算法的吸烟行为检测主要从香烟烟雾方面考虑，利用烟雾的颜色特征和变化特征进行分析，如汪祖云等利用香烟烟雾在HSV颜色空间下特有的颜色特征实现对疑似烟雾区域的定位，分析烟雾的面积变化速率特征和质心相对角度正弦变化特征，对烟雾进行检测[2]。但在实际场景中，颜色很容易受到环境的影响，此方法只能针对特定场景下的吸烟行为检测。

近年来，深度学习已经广泛应用到各学科领域[3-5]，因此部分学者利用深度学习来检测人体吸烟行为。……