基于計(jì)算機(jī)視覺(jué)的吸煙行為分析方法及系統(tǒng)

胡國(guó)昌，王詩(shī)太，鄧俊芳，龍濤，李軒，趙俊偉，華辰鳳，杜文，劉金云

1 湖南中煙工業(yè)有限責(zé)任公司技術(shù)中心，長(zhǎng)沙市雨花區(qū)勞動(dòng)中路386 號(hào) 410007；

2 深圳愛(ài)莫科技有限公司，深圳市南山區(qū)國(guó)際創(chuàng)新谷1 期2 棟A 座 518000；

3 中國(guó)煙草總公司鄭州煙草研究院，鄭州市高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)楓楊街2 號(hào) 450001

隨著科學(xué)技術(shù)的快速進(jìn)步、人們消費(fèi)觀念的轉(zhuǎn)變以及卷煙品類(lèi)創(chuàng)新的不斷加快，卷煙消費(fèi)者的需求和關(guān)注點(diǎn)也在不斷變化。對(duì)消費(fèi)者吸煙行為特征進(jìn)行研究分析和持續(xù)跟蹤，了解消費(fèi)者吸煙習(xí)慣及其演變規(guī)律，有助于產(chǎn)品研發(fā)人員更加精準(zhǔn)地進(jìn)行卷煙產(chǎn)品設(shè)計(jì)，使新產(chǎn)品開(kāi)發(fā)更加貼近市場(chǎng)需求。吸煙行為特征是吸煙者多個(gè)抽吸參數(shù)的綜合描述，主要包括抽吸口數(shù)、抽吸持續(xù)時(shí)間、抽吸間隔等[1]。

目前國(guó)內(nèi)外研究吸煙行為特征常用的方法主要有兩種：第一種是人眼觀察法，研究者通過(guò)觀察吸煙現(xiàn)場(chǎng)或者吸煙視頻，用人眼來(lái)判斷吸煙者的卷煙抽吸情況，借助秒表記錄抽吸起始和結(jié)束時(shí)刻，進(jìn)而計(jì)算吸煙者的抽吸口數(shù)、抽吸持續(xù)時(shí)間和抽吸間隔等抽吸參數(shù)[2-5]；第二種是記錄儀測(cè)試法，研究者使用便攜式吸煙行為CReSS 記錄儀來(lái)自動(dòng)記錄抽吸參數(shù)，并比較了不同人群的抽吸行為差異[6-8]。人眼觀察法是一種非侵入式的研究方法，不會(huì)干擾研究對(duì)象的吸煙行為，但存在記錄數(shù)據(jù)不精確、投入人力成本高、難以大規(guī)模推廣等問(wèn)題；記錄儀測(cè)試法盡管記錄數(shù)據(jù)較為精確且可靠性高，但是一種侵入式測(cè)試，容易改變吸煙者真實(shí)抽吸行為，而且設(shè)備較為昂貴，收集數(shù)據(jù)效率較低。

近年來(lái)，基于深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)方法[9-10]在各行各業(yè)都得到了廣泛應(yīng)用，這些方法僅需要低成本的攝像頭和智能計(jì)算設(shè)備，可替代人眼實(shí)現(xiàn)對(duì)物體或動(dòng)作的識(shí)別、跟蹤與測(cè)量。在吸煙行為檢測(cè)技術(shù)領(lǐng)域，研究者開(kāi)發(fā)了基于深度學(xué)習(xí)技術(shù)和人臉?lè)治鏊惴ǖ墓矆?chǎng)所吸煙行為檢測(cè)系統(tǒng)，可以快速判斷出攝像頭拍攝范圍內(nèi)的吸煙行為[11-13]。這些研究雖然能夠檢測(cè)出特定環(huán)境內(nèi)的吸煙行為，但是無(wú)法準(zhǔn)確地記錄吸煙者的抽吸參數(shù)。

本研究基于計(jì)算機(jī)視覺(jué)提出了一種無(wú)感式吸煙行為分析方法，并設(shè)計(jì)了一套吸煙行為分析系統(tǒng)，不僅可以對(duì)視頻圖像范圍內(nèi)多個(gè)吸煙行為自動(dòng)識(shí)別，還可以準(zhǔn)確記錄每一位吸煙者的抽吸口數(shù)、抽吸持續(xù)時(shí)間和抽吸間隔等吸煙行為參數(shù)，可便捷地部署在公共吸煙區(qū)域，進(jìn)行無(wú)感式、低成本、高效率、大規(guī)模的吸煙行為數(shù)據(jù)采集?；讷@取吸煙人群大數(shù)據(jù)信息，分析吸煙者的消費(fèi)模式的關(guān)鍵影響因素，并建立各種類(lèi)型人群的卷煙消費(fèi)模式和偏好預(yù)測(cè)模型，為企業(yè)卷煙產(chǎn)品設(shè)計(jì)和品牌營(yíng)銷(xiāo)提供數(shù)據(jù)支撐，同時(shí)也可為進(jìn)一步推進(jìn)文明吸煙環(huán)境建設(shè)提供參考依據(jù)。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)組成

基于計(jì)算機(jī)視覺(jué)的吸煙行為分析系統(tǒng)主要由成像系統(tǒng)和處理系統(tǒng)兩大部分組成，見(jiàn)圖1。成像系統(tǒng)是由可見(jiàn)光攝像頭和紅外攝像頭組成的雙目攝像頭，分別用于采集吸煙場(chǎng)景中人體姿態(tài)的可見(jiàn)光圖像和吸煙場(chǎng)景中煙支煙頭（燃燒錐）的紅外圖像，可見(jiàn)光圖像和紅外圖像同步傳輸至處理系統(tǒng)。處理系統(tǒng)為一臺(tái)服務(wù)器主機(jī)，是由高性能CPU、GPU、VPU 以及存儲(chǔ)和通信模塊搭建而成的計(jì)算平臺(tái)，用于視頻圖像處理、吸煙行為分析算法運(yùn)行、數(shù)據(jù)存儲(chǔ)以及系統(tǒng)控制。吸煙行為分析系統(tǒng)主要硬件配置參數(shù)見(jiàn)表1。

表1 系統(tǒng)主要硬件及參數(shù)Tab.1 Main hardware and parameters of the system

圖1 系統(tǒng)組成示意圖Fig.1 System composition diagram

1.2 工作流程

系統(tǒng)使用可見(jiàn)光和紅外雙目攝像頭作為成像設(shè)備，首先對(duì)雙目攝像頭進(jìn)行內(nèi)外參數(shù)標(biāo)定，使其能正確反映空間與圖像之間對(duì)應(yīng)關(guān)系，然后對(duì)所獲得的紅外圖像進(jìn)行立體矯正，使其與可見(jiàn)光圖像對(duì)齊。雙目攝像頭采集的可見(jiàn)光圖像和紅外圖像傳輸至處理系統(tǒng)，人臉檢測(cè)算法對(duì)可見(jiàn)光圖像中的人臉進(jìn)行跟蹤識(shí)別，創(chuàng)建虛擬ID，以便與后續(xù)抽吸參數(shù)綁定；人體姿態(tài)檢測(cè)算法對(duì)人體姿態(tài)進(jìn)行跟蹤識(shí)別，通過(guò)手部與臉部的位置關(guān)系變化預(yù)判吸煙行為；紅外圖像經(jīng)過(guò)預(yù)處理后，提取煙頭光斑區(qū)域，煙頭狀態(tài)檢測(cè)算法分析煙頭光斑的位置區(qū)域，結(jié)合上述人臉檢測(cè)和人體姿態(tài)檢測(cè)，當(dāng)光斑出現(xiàn)在人臉區(qū)域范圍內(nèi)并存在抽吸動(dòng)作時(shí)，可判定為吸煙行為；煙頭狀態(tài)檢測(cè)算法同時(shí)檢測(cè)煙頭光斑面積實(shí)時(shí)變化，根據(jù)煙頭光斑面積變化判定抽吸起止時(shí)間，計(jì)算抽吸口數(shù)、抽吸持續(xù)時(shí)間和抽吸間隔時(shí)間等抽吸參數(shù)。系統(tǒng)工作流程見(jiàn)圖2。

圖2 系統(tǒng)工作流程圖Fig.2 System processing flow chart

1.3 關(guān)鍵技術(shù)

1.3.1 人臉檢測(cè)與ID 綁定

為了確定吸煙者與其吸煙行為的對(duì)應(yīng)關(guān)系，首先需要對(duì)吸煙者特征進(jìn)行準(zhǔn)確識(shí)別。系統(tǒng)利用采集到的可見(jiàn)光圖像，借助基于深度學(xué)習(xí)的人臉檢測(cè)方法，自動(dòng)為每個(gè)吸煙者創(chuàng)建一個(gè)獨(dú)有的虛擬身份ID，并與其抽吸參數(shù)綁定。具體的實(shí)現(xiàn)步驟見(jiàn)圖3，主要過(guò)程為：

圖3 人臉檢測(cè)流程Fig.3 The process of face detection

（1）人臉框選：采用基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)器（Cascade CNN[14]），從系統(tǒng)采集的可見(jiàn)光圖像中定位人臉圖像位置，形成人臉位置的矩形框；

（2）人臉關(guān)鍵點(diǎn)定位：采用級(jí)聯(lián)回歸森林算法（Cascade Regression Random Forests）從人臉矩形框中檢測(cè)人臉輪廓、雙眼、鼻尖、嘴角、眉毛等關(guān)鍵點(diǎn)，記錄關(guān)鍵點(diǎn)位置；

（3）人臉特征提?。焊鶕?jù)提取的人臉關(guān)鍵點(diǎn)對(duì)可見(jiàn)光圖像進(jìn)行標(biāo)準(zhǔn)化變換，采用深度學(xué)習(xí)模型提取人臉特征值，得到單個(gè)人臉的特征表達(dá)式，算法模型建立步驟及理論公式如下：

根據(jù)公式（1）確定檢測(cè)到的人臉圖像中的每一幅圖像所對(duì)應(yīng)的質(zhì)量評(píng)價(jià)系數(shù)q :

式中：f 為每個(gè)圖像中的人臉特征，μ是同一個(gè)人的人臉?biāo)鶎?duì)應(yīng)的圖片。

根據(jù)公式（2）可以得到人臉特征中的每一個(gè)對(duì)應(yīng)的權(quán)重系數(shù)α ：

式中：Constant 是常數(shù)，T 為矩陣轉(zhuǎn)置；

根據(jù)公式（3）計(jì)算經(jīng)融合的人臉特征μ′。

同時(shí)，公式（2）可以通過(guò)將公式（4）和公式（5）聯(lián)立得到：

式中：i為自然數(shù)，α 為權(quán)重系數(shù)，α 滿足約束∑α =1 且 α ≥0。

式中：i 和k 為自然數(shù)。

通過(guò)采用QP 求解器的求解方式來(lái)求解目標(biāo)E(α)，以獲得權(quán)重系數(shù)α ，即可得到人臉識(shí)別網(wǎng)絡(luò)的深度卷積網(wǎng)絡(luò)。

（4）虛擬ID 綁定：根據(jù)提取的人臉特征表達(dá)式，對(duì)攝像頭可見(jiàn)光圖像中檢測(cè)到的所有人臉創(chuàng)建虛擬ID，確定哪些人臉屬于同一個(gè)人的虛擬ID，從而將這個(gè)人臉對(duì)應(yīng)的抽吸行為與虛擬ID 進(jìn)行綁定，實(shí)現(xiàn)對(duì)所有圖像視頻中出現(xiàn)的吸煙者個(gè)體抽吸行為的記錄。

1.3.2 吸煙行為檢測(cè)

吸煙行為檢測(cè)主要由人體關(guān)鍵點(diǎn)檢測(cè)、吸煙行為判定兩部分組成。其中，人體關(guān)鍵點(diǎn)檢測(cè)用于從可見(jiàn)光圖像中檢測(cè)人體各部分的關(guān)鍵點(diǎn)，如膝蓋、手腕、鼻子等；吸煙行為判定是在人體關(guān)鍵點(diǎn)檢測(cè)結(jié)果的基礎(chǔ)上，通過(guò)手腕與鼻子的相對(duì)位置判定人物是否處于吸煙狀態(tài)。當(dāng)人體的手腕和鼻子部分存在重合且重合的比例達(dá)到設(shè)定閾值時(shí)，初步判定為吸煙行為。

圖4 展示了人體姿態(tài)檢測(cè)流程，其核心是基于深度神經(jīng)網(wǎng)絡(luò)的檢測(cè)模型。模型使用VGG-19 網(wǎng)絡(luò)[15]的前十層作為主干網(wǎng)絡(luò)，對(duì)可見(jiàn)光圖像提取特征圖。特征圖在經(jīng)過(guò)Initial stage 和Refinement stage 1 處理后得到關(guān)鍵點(diǎn)的存在性概率圖（Keypoint heatmaps）和部分親和域（Part Affinity Fields，PAFs），部分親和域用于記錄人體各部位的關(guān)聯(lián)程度。通過(guò)貪心推理來(lái)對(duì)存在性概率圖和PAFs 進(jìn)行分析，最終得到人體的關(guān)鍵點(diǎn)。其中，Initial stage 和 Refinement stage1 均由兩個(gè)分支網(wǎng)絡(luò)組成，分別用于從上一階段的特征圖中預(yù)測(cè)關(guān)鍵點(diǎn)的存在性概率圖和PAFs。借助于深度神經(jīng)網(wǎng)絡(luò)的魯棒性，該檢測(cè)模型可實(shí)現(xiàn)在多個(gè)體、復(fù)雜角度、相互遮擋、復(fù)雜姿態(tài)等極端條件下對(duì)人體多關(guān)節(jié)的細(xì)節(jié)進(jìn)行實(shí)時(shí)自動(dòng)提取。

圖4 人體關(guān)鍵點(diǎn)檢測(cè)模型整體檢測(cè)流程Fig.4 The detection process of human body key points detection model

為了訓(xùn)練該檢測(cè)模型，訓(xùn)練集采用Coco 人體關(guān)鍵點(diǎn)標(biāo)注數(shù)據(jù)集。模型的檢測(cè)效果如圖5 所示。

圖5 使用模型檢測(cè)人體姿態(tài)及姿勢(shì)判斷Fig.5 Human body posture detection and judgment by the model

在通過(guò)人體關(guān)鍵點(diǎn)檢測(cè)模型從可見(jiàn)光圖像中得到人體各關(guān)鍵點(diǎn)的位置后，系統(tǒng)利用關(guān)鍵點(diǎn)的相對(duì)位置對(duì)抽吸動(dòng)作進(jìn)行識(shí)別。當(dāng)檢測(cè)到手腕標(biāo)注點(diǎn)與鼻子標(biāo)注點(diǎn)有覆蓋重合且達(dá)到設(shè)定閾值時(shí)，可初步判定為吸煙行為。同時(shí)，通過(guò)紅外圖像可提取煙頭光斑區(qū)域，對(duì)煙頭進(jìn)行精準(zhǔn)定位，對(duì)區(qū)域形狀分析以進(jìn)行置信決策，如果光斑區(qū)域出現(xiàn)在人臉區(qū)域范圍內(nèi)，則可以判定為吸煙行為。

1.3.3 煙頭狀態(tài)檢測(cè)

紅外攝像頭利用煙頭燃燒溫度較高、產(chǎn)生的紅外線輻射顯著高于拍攝環(huán)境的原理，能較好捕捉煙頭光斑信息，精確定位煙頭位置，識(shí)別煙頭狀態(tài)變化。由于紅外攝像頭對(duì)太陽(yáng)光中的紅外光較為敏感，圖像易受其干擾，本研究在紅外攝像頭上增加一層濾光膜來(lái)降低太陽(yáng)光對(duì)紅外圖像的影響。經(jīng)測(cè)試，選取波長(zhǎng)為940nm 濾光片作為阻隔膜可有效削減太陽(yáng)光對(duì)紅外成像的影響。

針對(duì)非理想測(cè)試環(huán)境下存在漏檢、誤檢的情況，本研究通過(guò)在采集到的真實(shí)數(shù)據(jù)上進(jìn)行動(dòng)態(tài)閾值分割和聯(lián)通域膨脹操作的方法，對(duì)紅外圖像進(jìn)行預(yù)處理，使得背景部分與煙頭的對(duì)比更明顯，如圖6 所示，突出煙頭部分的存在及變化情況，以減少漏檢、誤檢。

圖6 紅外圖像預(yù)處理效果Fig.6 Infrared image pre-processing effect

在進(jìn)行深入分析之前，需要基于人臉3D 角度信息，消除煙頭紅外光斑中的無(wú)關(guān)信息對(duì)吸煙行為分析的影響。本研究利用人臉角度的信息以及香煙角度的信息，模擬三維空間情況，對(duì)煙頭的光斑大小進(jìn)行旋轉(zhuǎn)。當(dāng)旋轉(zhuǎn)至正面時(shí)，計(jì)算出對(duì)應(yīng)的煙頭光斑大小。此處光斑的面積可以用光斑所在區(qū)域的外接矩形的面積來(lái)代替。具體計(jì)算時(shí)，可以計(jì)算光斑的外接框，通過(guò)計(jì)算外接框的長(zhǎng)heightold、寬widthold旋轉(zhuǎn)之后所對(duì)應(yīng)的長(zhǎng)heightnew、寬widthnew，來(lái)計(jì)算得到旋轉(zhuǎn)之后的外接矩形的面積areanew。具體的計(jì)算公式如下：

式中：α 為偏橫角，β 為俯仰角。

在去除無(wú)關(guān)信息或尺度歸一化之后，可以通過(guò)對(duì)比煙頭紅外光斑的大小變化與對(duì)應(yīng)的經(jīng)驗(yàn)閾值之間的關(guān)系，確定吸煙者的抽吸開(kāi)始時(shí)刻和結(jié)束時(shí)刻。

1.3.4 抽吸參數(shù)提取

圖7（a）展示了吸煙者抽吸前后和抽吸時(shí)的紅外圖像和可見(jiàn)光圖像，可以看到，抽煙開(kāi)始時(shí)煙頭光斑面積隨之增大，抽煙結(jié)束時(shí)煙頭光斑面積會(huì)逐漸減小，抽吸時(shí)煙頭光斑的大小顯著高于抽吸前后。圖7（b）展示了抽吸動(dòng)作發(fā)生前后一段時(shí)間內(nèi)，不同紅外圖像幀中的煙頭光斑面積統(tǒng)計(jì)圖。其中，橫軸代表不同幀，縱軸為紅外圖像采集的煙頭光斑面積，標(biāo)紅的兩柱條分別代表吸煙記錄儀記錄吸煙的開(kāi)始時(shí)刻和結(jié)束時(shí)刻。

然而光斑的增大與減小，容易受到煙頭晃動(dòng)、煙頭靠近或離開(kāi)攝像頭等情況的影響。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，經(jīng)過(guò)高次多項(xiàng)式擬合出來(lái)的曲線，能夠?qū)ξ鼰煹拈_(kāi)始與結(jié)束時(shí)間，進(jìn)行很好的輔助定位，曲線公式可以表示為：

式中：a、b、c 為常數(shù)，x為幀數(shù)，y為煙頭光斑像素面積。

曲線擬合效果見(jiàn)圖8。在抽吸不同階段，其煙頭光斑大小有明顯差異，通過(guò)分析光斑尺寸變化情況可分析單口抽吸的始末節(jié)點(diǎn)，從而更準(zhǔn)確地記錄抽吸持續(xù)時(shí)間。

圖8 對(duì)光斑面積變化的多項(xiàng)式擬合Fig.8 Polynomial-curve fitting of the smoking spot area change

在擬合出的高次多項(xiàng)式中，根據(jù)波峰與波谷附近的曲線積分面積，計(jì)算其變化趨勢(shì)與間隔時(shí)間，從而初步判斷吸煙的開(kāi)始與結(jié)束時(shí)間。需要注意的是，在抽吸結(jié)束的后幾幀中，會(huì)出現(xiàn)光斑面積變大的情況。這種情況實(shí)際上是“拖尾”現(xiàn)象導(dǎo)致的，即吸煙者抽吸結(jié)束時(shí)手放下的過(guò)程中，手的快速移動(dòng)會(huì)導(dǎo)致煙頭光斑產(chǎn)生較多殘影，成像上變成帶狀，從而使得光斑面積異常增大。而進(jìn)行正常抽吸動(dòng)作時(shí)，煙頭位置不會(huì)發(fā)生大幅度位移?；谏鲜龇治?，本研究增加如下邏輯來(lái)過(guò)濾因手快速移動(dòng)導(dǎo)致煙頭光斑變大這種情況：當(dāng)檢測(cè)到煙頭光斑在視野范圍內(nèi)位置有較大位移且伴隨煙頭面積增大時(shí)，此時(shí)煙頭面積增大的原因?yàn)榭焖僖苿?dòng)造成，不作為判定吸煙特征的依據(jù)。

在抽吸過(guò)程中，吸煙者以及煙頭位置也會(huì)存在一定的移動(dòng)變化。本研究通過(guò)對(duì)光斑的中心位置坐標(biāo)進(jìn)行記錄并觀察發(fā)現(xiàn)，相鄰幀間光斑中心位置變化和抽煙的起止時(shí)間存在較強(qiáng)的相關(guān)性。圖9 展示了相鄰幀間煙頭光斑橫縱坐標(biāo)變化隨時(shí)間變化的曲線。圖9（a）縱坐標(biāo)為煙頭光斑面積大小，圖9（b）縱坐標(biāo)為相鄰幀中光斑中心點(diǎn)的橫坐標(biāo)變化大小，圖9（c）縱坐標(biāo)為相鄰幀中光斑中心點(diǎn)的縱坐標(biāo)變化大小?？梢钥闯?，當(dāng)處于抽吸過(guò)程中時(shí)，相鄰幀間煙頭光斑的位置差異較?。欢?dāng)處于抽吸前或抽吸后的一段時(shí)間內(nèi)，相鄰幀間煙頭光斑的位置差異顯著變大。通過(guò)相鄰幀間煙頭坐標(biāo)變化可有助于更準(zhǔn)確判斷抽吸狀態(tài)，更精確地定位抽吸開(kāi)始及結(jié)束時(shí)刻。

圖9 相鄰幀中煙頭光斑橫縱尺寸變化曲線Fig.9 Transverse and longitudinal dimension change curve of cigarette end spot in adjacent frame

最后，借助CReSS 吸煙行為記錄儀標(biāo)定抽吸開(kāi)始時(shí)刻與結(jié)束時(shí)刻，并用攝像頭記錄煙頭光斑面積變化，通過(guò)反復(fù)試驗(yàn)獲取了大量抽吸時(shí)煙頭光斑面積及其變化數(shù)據(jù)。取多次試驗(yàn)煙頭光斑變化面積與總面積比值的平均值作為變化閾值，當(dāng)光斑面積變化超過(guò)閾值設(shè)定的變化幅度，且其在擬合曲線的波谷及光斑中心點(diǎn)呈現(xiàn)變化趨勢(shì)的時(shí)間點(diǎn)附近，系統(tǒng)可判定為吸煙的開(kāi)始或結(jié)束時(shí)刻，從而可計(jì)算得到抽吸口數(shù)、單口抽吸持續(xù)時(shí)間、單口抽吸間隔時(shí)間等抽吸參數(shù)。

2 應(yīng)用效果

2.1 試驗(yàn)設(shè)計(jì)

材料：市售常規(guī)卷煙（芙蓉王（硬），長(zhǎng)度84 mm，圓周24.2 mm）和細(xì)支卷煙（芙蓉王（硬細(xì)支），長(zhǎng)度97 mm，圓周16.9 mm）（由湖南中煙工業(yè)有限責(zé)任公司技術(shù)中心提供）。

儀器：基于計(jì)算機(jī)視覺(jué)的吸煙行為分析系統(tǒng)（本研究項(xiàng)目組設(shè)計(jì)，以下簡(jiǎn)稱(chēng)“吸煙行為分析系統(tǒng)”）、CReSS 吸煙行為記錄儀（德國(guó)Borgwaldt KC 公司）。

方法：于湖南中煙工業(yè)有限責(zé)任公司技術(shù)中心招募30 名吸煙志愿者，告知測(cè)試目的，簽署知情同意書(shū)，進(jìn)行吸煙行為測(cè)試；在模擬公共吸煙室環(huán)境的實(shí)驗(yàn)室中，志愿者于吸煙行為分析系統(tǒng)攝像頭水平距離3 m左右位置，手持CReSS 吸煙行為記錄儀按照日常吸煙習(xí)慣先后抽吸常規(guī)卷煙和細(xì)支卷煙各1 支，編號(hào)并記為常規(guī)卷煙組和細(xì)支卷煙組，每組共抽吸30 支；吸煙行為分析系統(tǒng)和CReSS 吸煙行為記錄儀同步記錄志愿者抽吸參數(shù)（抽吸起止時(shí)間、抽吸口數(shù)、抽吸持續(xù)時(shí)間和抽吸間隔時(shí)間）；根據(jù)卷煙規(guī)格和抽吸起止時(shí)間獲取的抽吸支數(shù)與口數(shù)，對(duì)吸煙行為分析系統(tǒng)和CReSS 吸煙行為記錄儀記錄的吸煙行為參數(shù)（抽吸口數(shù)、抽吸持續(xù)時(shí)間和抽吸間隔時(shí)間）進(jìn)行配對(duì)；以CReSS 吸煙行為記錄儀獲取的抽吸參數(shù)為標(biāo)準(zhǔn)對(duì)照，計(jì)算吸煙行為分析系統(tǒng)識(shí)別誤差率，誤差率=|吸煙行為分析系統(tǒng)數(shù)據(jù)—吸煙行為記錄儀數(shù)據(jù)|/吸煙行為記錄儀數(shù)據(jù)×100%。

2.2 數(shù)據(jù)分析

2.2.1 抽吸口數(shù)

由吸煙行為分析系統(tǒng)和CReSS 吸煙行為記錄儀抽吸起止時(shí)間及卷煙規(guī)格可知，吸煙行為分析系統(tǒng)和CReSS 吸煙行為記錄儀均記錄到志愿者抽吸常規(guī)卷煙30 支、細(xì)支卷煙30 支，這與實(shí)際執(zhí)行方案一致。其中吸煙行為分析系統(tǒng)和CReSS 吸煙行為記錄儀記錄到常規(guī)卷煙組總抽吸口數(shù)分別為317 口和323 口，細(xì)支卷煙組總抽吸口數(shù)分別為262 口和268 口。吸煙行為分析系統(tǒng)對(duì)每組單支抽吸口數(shù)的識(shí)別誤差統(tǒng)計(jì)結(jié)果見(jiàn)表2?？梢?jiàn)，吸煙行為分析系統(tǒng)對(duì)常規(guī)卷煙組和細(xì)支卷煙組的單支抽吸口數(shù)的識(shí)別誤差都在2 口以下，識(shí)別平均誤差率分別為1.79%和2.06%，識(shí)別準(zhǔn)確性較高。

表2 抽吸口數(shù)識(shí)別誤差Tab.2 Error of puff number

2.2.2 抽吸持續(xù)時(shí)間

由于每支煙的第一口抽吸為點(diǎn)煙動(dòng)作，吸煙行為分析系統(tǒng)識(shí)別的抽吸數(shù)據(jù)參考性不強(qiáng)，因此本研究在數(shù)據(jù)分析時(shí)均去除第一口的抽吸參數(shù)（下同）。選擇吸煙行為分析系統(tǒng)與CReSS 吸煙行為記錄儀記錄的每支卷煙抽吸口數(shù)一致的組內(nèi)單口抽吸持續(xù)時(shí)間數(shù)據(jù)進(jìn)行比對(duì)分析，結(jié)果見(jiàn)圖10、圖11?？梢?jiàn)，吸煙行為分析系統(tǒng)記錄的常規(guī)卷煙單口抽吸持續(xù)時(shí)間范圍為893～5953 ms，平均值為2690 ms；細(xì)支卷煙單口抽吸持續(xù)時(shí)間范圍為759～5233 ms，平均值為2786 ms。吸煙行為記錄儀記錄的常規(guī)卷煙單口持續(xù)時(shí)間范圍為581～5703 ms，平均值為2531 ms；細(xì)支卷煙單口抽吸持續(xù)時(shí)間范圍為660～4998 ms，平均值為2590 ms。

圖10 常規(guī)卷煙兩種方法抽吸持續(xù)時(shí)間比較Fig.10 Comparison of smoking duratioon of the conventional cigarettes using two puffing methods

圖11 細(xì)支卷煙兩種方法抽吸持續(xù)時(shí)間比較Fig.11 Comparison of smoking during of small cigarettes under two puffing methods

分別計(jì)算吸煙行為分析系統(tǒng)對(duì)兩種卷煙單口抽吸持續(xù)時(shí)間識(shí)別的平均誤差和平均誤差率，結(jié)果見(jiàn)表3?？梢?jiàn)，吸煙行為分析系統(tǒng)對(duì)常規(guī)卷煙和細(xì)支卷煙單口抽吸持續(xù)時(shí)間的識(shí)別誤差率分別為9.73%、9.96%，識(shí)別準(zhǔn)確性較高。

表3 抽吸持續(xù)時(shí)間識(shí)別誤差Tab.3 Time error of smoking duration

2.2.3 抽吸間隔時(shí)間

選擇吸煙行為分析系統(tǒng)與CReSS 吸煙行為記錄儀記錄的每支煙抽吸口數(shù)一致的組內(nèi)抽吸間隔時(shí)間數(shù)據(jù)進(jìn)行比對(duì)分析，結(jié)果見(jiàn)圖12、圖13?？梢?jiàn)，吸煙行為分析系統(tǒng)記錄的常規(guī)卷煙單口抽吸間隔時(shí)間范圍為1066～60997 ms，平均值為17816 ms；細(xì)支卷煙單口抽吸間隔時(shí)間范圍為1881～57403 ms，平均值為18198 ms。吸煙行為記錄儀記錄的常規(guī)卷煙單口間隔時(shí)間范圍為1477～62799 ms，平均值為18158 ms；細(xì)支卷煙單口抽吸間隔時(shí)間范圍為2402～58344 ms，平均值為18188 ms。

圖12 常規(guī)卷煙兩種方法抽吸間隔時(shí)間比較Fig.12 Comparison of smoking interval time of the conventional cigarettes under two puffing methods

圖13 細(xì)支卷煙兩種方法抽吸間隔時(shí)間比較Fig.13 Comparison of smoking interval time of small cigarettes under two puffing methods

分別計(jì)算吸煙行為分析系統(tǒng)對(duì)兩種卷煙單口抽吸間隔時(shí)間識(shí)別的平均誤差和平均誤差率，結(jié)果見(jiàn)表4?？梢?jiàn)，吸煙行為分析系統(tǒng)對(duì)常規(guī)卷煙和細(xì)支卷煙抽吸間隔時(shí)間的識(shí)別誤差率分別為6.59%、6.91%，識(shí)別準(zhǔn)確性較高。

表4 抽吸間隔時(shí)間識(shí)別誤差Tab.4 Smoking interval time error

3 結(jié)論

（1）本研究運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)設(shè)計(jì)了一種無(wú)感式吸煙行為分析系統(tǒng)，通過(guò)雙目攝像頭采集吸煙場(chǎng)景視頻圖像，結(jié)合人臉檢測(cè)算法、人體姿態(tài)檢測(cè)算法和煙頭狀態(tài)檢測(cè)算法同時(shí)識(shí)別多個(gè)吸煙行為并記錄抽吸參數(shù)，為吸煙行為參數(shù)的智能化、高效率、準(zhǔn)確性采集提供了一種新的方法。

（2）在湖南中煙工業(yè)有限責(zé)任公司技術(shù)中心招募30 名志愿者對(duì)系統(tǒng)應(yīng)用效果進(jìn)行了測(cè)試，結(jié)果表明：以相同條件下的CReSS 吸煙行為記錄儀記錄的數(shù)據(jù)為參照，吸煙行為分析系統(tǒng)對(duì)常規(guī)卷煙和細(xì)支卷煙抽吸口數(shù)識(shí)別的平均誤差率分別為1.79%、2.06%，抽吸持續(xù)時(shí)間識(shí)別的平均誤差率分別為9.73%、9.96%，抽吸間隔時(shí)間識(shí)別的平均誤差率分別為6.59%、6.91%，表明系統(tǒng)具有較高的準(zhǔn)確性，能夠滿足吸煙行為數(shù)據(jù)采集需要。

（3）該系統(tǒng)設(shè)計(jì)了數(shù)據(jù)脫敏功能，采集的圖像和數(shù)據(jù)均經(jīng)過(guò)匿名化處理，不涉及吸煙者個(gè)人信息和隱私；在實(shí)際應(yīng)用時(shí)可通過(guò)設(shè)置提示標(biāo)識(shí)，告知吸煙者可能被記錄抽吸參數(shù)；系統(tǒng)設(shè)計(jì)符合《中華人民共和國(guó)個(gè)人信息保護(hù)法》的要求，在吸煙行為研究方面具有廣闊的應(yīng)用前景。