摘要：在校園等公共場所吸煙不僅對自身和他人的健康構成威脅，還有可能引發(fā)火災。以創(chuàng)建無煙校園為目標，依托人工智能技術、物聯(lián)網(wǎng)技術和移動應用開發(fā)技術等數(shù)字化手段，研究了基于數(shù)字化技術的吸煙監(jiān)測系統(tǒng)的實現(xiàn)方法，旨在為校園控煙提供有效的技術支持。利用人工智能技術訓練模型，準確識別吸煙行為；利用物聯(lián)網(wǎng)技術，實現(xiàn)數(shù)據(jù)采集和語音播報；通過開發(fā)應用程序，實現(xiàn)用戶與系統(tǒng)之間的交互。該系統(tǒng)不僅提升了吸煙行為監(jiān)測的準確性和實時性，還可以為校園控煙管理提供科學參考和實施依據(jù)。

關鍵詞：數(shù)字化；人工智能；物聯(lián)網(wǎng)；吸煙監(jiān)測

中圖分類號：TP391.41 文獻標識碼：A

0 引言

校園作為青少年成長的重要場所，承載培養(yǎng)未來社會棟梁的使命，健康的校園環(huán)境對學生的身心發(fā)展至關重要，校園禁煙問題已成為教育界和社會關注的焦點。2020 年發(fā)布的《國家衛(wèi)生健康委 教育部關于進一步加強無煙學校建設工作的通知》，明確指出全面營造校園無煙環(huán)境的必要性和緊迫性[1]。然而，校園吸煙問題屢禁不止，吸煙人群低齡化，這不僅影響了學生的健康，也對學校教育秩序產生了負面影響。

目前，學校大多采取人力控煙的方式，由輔導員或者學生管理者在教學樓道巡邏檢查，這種管理方式效率低、管控難、追責定位難，無法形成從發(fā)生吸煙行為到反饋定責的閉環(huán)。隨著數(shù)字化技術的迅速發(fā)展，人工智能技術對吸煙行為檢測的算法日趨成熟，這為識別視頻監(jiān)控中吸煙行為提供了有力保障。基于物聯(lián)網(wǎng)、移動應用開發(fā)、云計算等技術的支持，建設一套完整的吸煙監(jiān)測系統(tǒng)成為可能。校園內部原本設有豐富的視頻監(jiān)控資源點，通過利用現(xiàn)有監(jiān)控進行智能監(jiān)測和預警吸煙行為具有較好的可行性。

1 吸煙監(jiān)測系統(tǒng)架構設計

吸煙監(jiān)測系統(tǒng)需要通過攝像頭不限時地監(jiān)控公共場所中吸煙行為，并及時給予語音提示，從而及時制止吸煙行為。同時，將吸煙行為進行現(xiàn)場拍照，通過手機APP 客戶端發(fā)送給管理員，為后續(xù)跟蹤定責、勸阻教育提供支持。因此，該系統(tǒng)由數(shù)據(jù)采集檢測端、服務器云端和用戶端構成，如圖1所示。

根據(jù)所承擔的職責不同，該系統(tǒng)可以分為吸煙行為檢測、語音播報預警、吸煙行為實時記錄與查看3 個模塊。①吸煙行為檢測屬于數(shù)據(jù)采集檢測端，主要依賴攝像頭和運行程序的嵌入式芯片。程序利用人工智能算法經過預訓練得出的模型，對視頻流的圖片進行吸煙行為檢測判斷。②語音播報預警屬于數(shù)據(jù)采集檢測端，在程序檢測到吸煙行為后，調用語音文件，并且通過揚聲器進行輸出。③吸煙行為實時記錄與查看由服務器云端和用戶端共同完成，程序將檢測的吸煙行為圖片實時存儲至服務器，用戶手機端APP 檢測服務器云端的圖片新增變化并給予預警。用戶可通過APP 界面的查詢功能了解吸煙行為的詳細信息，及時進行線下跟蹤處理，線上記錄處理過程。

1.1 吸煙行為檢測

吸煙行為檢測的方法目前有很多種[2-5]，大致可以分為兩類：非計算機視覺的吸煙檢測和基于計算機視覺的吸煙檢測。前者屬于傳統(tǒng)檢測方法，主要是通過煙霧傳感器來檢測，如離子式煙霧傳感器、光電式煙霧傳感器和氣敏式煙霧傳感器等。由于香煙煙霧具有濃度低、飄散快的特點，煙霧傳感器難以具備較高的靈敏度，因此不適合非密閉空間的煙霧檢測。隨著人工智能技術在計算機視覺方面的研究深入，持續(xù)改進的吸煙檢測算法不斷推出，大致分為以下4 種算法：第1 種是煙霧多特征檢測算法，通過圖像處理技術分割圖像中的煙霧，判斷是否有吸煙行為，此方法同傳統(tǒng)檢測方法，吸煙時通常煙霧易飄散，難以有效檢測。第2種屬于計算機視覺領域的分類算法，僅對輸入的圖片進行分類判斷。例如，將圖片分為有吸煙和無吸煙兩類，檢測結果也只分為有和無兩類結果。對于煙頭這樣的小目標，煙頭特征單一，差異不明顯，檢測誤差大，不宜采納。第3 種是吸煙動作檢測算法，通過檢測吸煙時人體骨骼關鍵點來判定吸煙行為。第4 種是煙支目標檢測算法，通過檢測圖像中的煙支目標判定吸煙行為。煙支目標檢測又分為單階段和雙階段檢測算法，單階段檢測算法對煙支目標直接檢測；雙階段檢測算法利用人臉、人體初步篩選煙支候選區(qū)域，再利用目標檢測算法定位識別煙支目標[3]。第3 種和第4 種算法在實際應用中已被廣泛采納。本文采用煙支目標檢測算法，既能保證檢測的精確度，又能簡化檢測過程且成本較低。

1.2 語音播報預警

系統(tǒng)檢測到吸煙行為時，需要進行語音提示。本系統(tǒng)中語音播報內容設置為“檢測到吸煙行為，請停止吸煙”，播報設備選擇小型揚聲器，并且將其與攝像頭安裝在同一位置。

1.3 吸煙行為實時記錄與查看

系統(tǒng)一旦檢測到吸煙行為，語音播報只能給予吸煙者被動提示，雖然能起到一定的制止作用，但還做不到后續(xù)管理員的持續(xù)跟蹤與定責。因此，實時反饋和記錄吸煙行為發(fā)生的時間、地點和行為人具有重要意義。

系統(tǒng)可以通過程序的流程控制，在判別吸煙行為發(fā)生時，觸發(fā)拍照留存模塊。系統(tǒng)采用每隔一段時間采集一張圖片的方式，將圖片通過網(wǎng)絡接口傳輸給服務器上的接口程序。接口程序將圖片按攝像頭編號及日期每日生成一個文件夾，用于存放吸煙現(xiàn)場圖片。同時服務器提供接口給手機APP 客戶端，管理員可通過APP 客戶端查看權限內的吸煙現(xiàn)場。

2 吸煙檢測系統(tǒng)實現(xiàn)

系統(tǒng)實現(xiàn)包含以下5 個關鍵步驟。

步驟1：數(shù)據(jù)采集。為吸煙檢測判別模型的訓練提供數(shù)據(jù)準備。

步驟2：模型訓練。選擇合適的模型訓練算法、預訓練參數(shù)和權重，為后續(xù)實時判別吸煙行為做準備。

步驟3：播報語音的生成。定制個性化的離線提示語音，該語音需要預生成。

步驟4：檢測端程序實現(xiàn)。用于實時采集攝像頭圖片數(shù)據(jù)，實時判斷吸煙行為，上傳保留吸煙現(xiàn)場證據(jù)。

步驟5：用戶端系統(tǒng)開發(fā)。包含手機APP 和PC 端管理系統(tǒng)。

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集分為兩個部分：一是用于人工智能模型訓練；二是實時采集的吸煙圖片，用于推理。

第一部分：計算機要實現(xiàn)吸煙行為判斷，必須依賴于大量的吸煙行為數(shù)據(jù)，并通過人工智能算法的訓練，才能讓計算機具備識別吸煙行為的功能。因此，該部分數(shù)據(jù)不需要實時采集，數(shù)據(jù)來源也可以更加多樣。可以通過攝像頭采集固定吸煙者在不同時間、不同狀態(tài)下的吸煙動作，也可以通過網(wǎng)絡爬蟲方式獲取網(wǎng)絡上的個人吸煙行為圖片。這一部分數(shù)據(jù)需要具有足量和多樣的特點，足量是為了提升訓練結果的準確性；多樣是為了提升訓練模型的泛化能力。

第二部分：這部分數(shù)據(jù)用于判斷吸煙行為，需要實時采集吸煙現(xiàn)場的圖片。每隔30 s 從視頻流中采集一次圖片，采集的圖片實時送入訓練好的模型中進行吸煙行為的判別。

2.2 模型訓練

優(yōu)秀的模型訓練算法是實現(xiàn)精確識別煙支目標的關鍵。快速區(qū)域卷積神經網(wǎng)絡（faster regionconvolutional neural network，F(xiàn)aster RCNN）是一種雙階段目標檢測算法：第一階段算法負責提取一定數(shù)量的目標候選區(qū)域；第二階段算法利用特征提取網(wǎng)絡對這些候選區(qū)域進行區(qū)分和定位。Faster RCNN通過犧牲檢測時間來換取檢測精度。YOLOv5 是一種基于深度學習的目標檢測算法，通常用于實時物體檢測[5]，YOLOv5 算法輕量化，模型文件較小，適合在資源受限的設備上運行。校園吸煙檢測對檢測精度的要求較低，而且由于是視頻流圖片的檢測，對檢測效率的要求很高。因此，本文選擇YOLOv5 算法進行吸煙行為檢測模型訓練，可以較好地進行吸煙行為現(xiàn)場推理，滿足了現(xiàn)實需要。

2.3 播報語音生成

系統(tǒng)播報語音的生成采用百度人工智能AI 開放平臺的離線語音合成。根據(jù)給定的文本，生成對應的語音文件。在調用百度AI 語音合成接口時，需要先注冊百度AI 開放平臺賬號，獲取語音合成的應用程序接口（application programminginterface，API） Key 和Secret Key。其中，調用API時，可根據(jù)實際需要通過指定字段選擇不同的語音模式。

2.4 檢測端程序實現(xiàn)

檢測端程序運行在端邊嵌入式芯片上，其是實時吸煙行為檢測的關鍵。首先，程序判斷該攝像頭是否開啟監(jiān)控，在開啟監(jiān)控的情況下，每隔30 s 采集攝像頭圖片；其次，對圖像進行預處理，加載預訓練模型，并且進行模型預測；最后，根據(jù)識別結果決定是否播報語音提示，并向服務器發(fā)送圖片。圖2 為檢測端程序實現(xiàn)流程。

2.5 用戶端系統(tǒng)開發(fā)

用戶端分為手機APP 開發(fā)和PC 端管理系統(tǒng)開發(fā)。APP 與PC 端管理系統(tǒng)共用一個后臺程序，采用前后端分離開發(fā)模式，實現(xiàn)界面與后臺程序的解構。用戶端系統(tǒng)作為用戶交互的接口，提供給用戶遠程監(jiān)控和管理。用戶通過APP 和PC 端管理系統(tǒng)可實時查看吸煙檢測結果、接收警報通知、查詢歷史數(shù)據(jù)、生成統(tǒng)計報表，同時還能遠程管理攝像頭，對數(shù)據(jù)采集時段、采集頻率等參數(shù)進行設置。APP 具有友好的用戶界面和實用的功能，以滿足不同用戶的需求和習慣，并且可參考開源平臺的若依系統(tǒng)進行二次開發(fā)。

3 結語與展望

本文通過數(shù)字化技術的應用，實現(xiàn)一種完整閉環(huán)的吸煙監(jiān)測系統(tǒng)，并在實驗驗證中取得了積極的成果。通過數(shù)據(jù)采集、模型訓練、語音播報等多個關鍵步驟的結合，成功開發(fā)出一個能夠準確識別吸煙行為并實時反饋的系統(tǒng)。該系統(tǒng)的實現(xiàn)展示了數(shù)字化技術及智能技術在不良行為監(jiān)測和識別中的巨大潛力，其不僅可以應用于校園，也可以擴展至醫(yī)院、旅游景點等需要監(jiān)測吸煙行為的場景，為社會公共區(qū)域吸煙行為管控提供了一種思路，也為相關領域的學術研究和工程實踐提供參考和啟發(fā)。在未來的研究和應用中，將繼續(xù)優(yōu)化系統(tǒng)的精確度和實時性，以更好地適應不同環(huán)境和需求。

參考文獻

[1] 國家衛(wèi)生健康委 教育部關于進一步加強無煙學校建設工作的通知[A/OL].（ 2020-12-09）[2024-06-15].http：//www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1779/202104/t20210408_525035.html.

[2] 何嘉彬，李雷孝，林浩，等. 面向計算機視覺的吸煙檢測方法研究綜述[J]. 計算機工程與應用，2024，60（1）：40-56.

[3] 胡國昌，王詩太，鄧俊芳，等. 基于計算機視覺的吸煙行為分析方法及系統(tǒng)[J]. 中國煙草學報，2023，29（6）：102-112.

[4] 張洋，姚登峰，江銘虎，等. 基于EfficientDet 網(wǎng)絡的細粒度吸煙行為識別[J]. 計算機工程，2022，48（3）：302-309，314.

[5] 姜曉鳳，王保棟，夏英杰，等. 基于人體關鍵點和YOLOv4 的吸煙行為檢測[J]. 陜西師范大學學報（自然科學版），2022，50（3）：96-103.

基金項目：2023 年湖南省教育廳科學研究項目“基于多元傳感信息融合的無人自動駕駛車輛目標檢測算法研究”（23C1073）；長沙民政職業(yè)技術學院橫向課題項目“湖南舜網(wǎng)信息技術有限公司吸煙檢測系統(tǒng)”（HX2023217）。