Khói thuốc lá chứa nhiều chất hóa học, trong đó có nhiều chất gây ra những căn bệnh nguy hiểm điển hình như: ung thư phổi, bệnh tim mạch, vô sinh và nhiều bệnh nan y khác. Nhắc nhở và cảnh báo người hút thuốc lá nơi công cộng là một trong những việc làm quan trọng trong việc tuyên truyền và phòng chống tác hại của thuốc lá. Các hệ thống giám sát người hút thuốc lá và cảnh báo thông minh đã được quan tâm nghiên cứu bởi cộng đồng khoa học trong thời gian qua. Mục đích của nghiên cứu này là cải thiện hệ thống trước đây bằng cách sử dụng Yolov4 kết hợp LSTM để cho ra kết quả dự đoán chính xác cao. Thay vì chỉ sử dụng Yolov4 như là phương pháp phát hiện người cầm điếu thuốc lá, phương pháp đề xuất này sử dụng Yolov4 để trích các đặc trưng từ các khung hình của video, chuỗi các khung hình đặc trưng liên tiếp này được đưa vào mạng LSTM để dự đoán. Để đánh giá hiệu suất của phương pháp, nghiên cứu đã thực hiện trên bộ dữ liệu được thu thập riêng của nhóm: 5000 ảnh và 120 video chứa hành vi hút thuốc. Kết quả cho thấy rằng cách tiếp cận đề xuất đã thành công khi nhận ra các hành động hút thuốc lá của con người trên bộ dữ liệu này với độ chính xác cao hơn phương pháp truyền thống.
Tobacco smoke contains many chemicals, which cause typical dangerous diseases such as lung cancer, cardiovascular disease, infertility and many other incurable diseases. Monitoring and warning smokers in public places are one of the important jobs in propaganda and prevention of the harmful effects of tobacco. A smoking monitoring system and smart warnings have been researched and implemented by several groups so far. The objective of this study is to improve the previous system using Yolov4 and LSTM combination to give highly accurate prediction results. Instead of just using Yolov4 as a method of detecting people holding a cigarette, this proposed method uses Yolov4 to extract features from the frames of the videos. This sequence of consecutive feature frames is fed into the LSTM network for prediction. To evaluate the method's performance, the presented study performed on the group's own collected data set: 5000 photos and 120 videos containing smoking behaviour. The results show that the proposed approach is successful in detecting human smoking actions on this dataset with higher accuracy in comparison with that in conventional method.
- Đăng nhập để gửi ý kiến