用于吸烟行为检测的可解释特征学习框架
计算机视觉与模式识别
2021-12-16 v1 人工智能
摘要
在公共场所吸烟已被证明对非吸烟者危害更大，这使其成为亟待当局采取主动措施和关注的重大公共卫生问题。随着世界迈向第四次工业革命，需要可靠的生态友好型检测手段来应对这一在智能城市内外危害公共健康的有毒行为。我们开发了一种用于吸烟行为检测的可解释特征学习框架，该框架利用 Deep Learning VGG-16 预训练网络来预测和分类输入图像类别，并利用层间相关性传播（LRP）基于最相关的学习特征或像素或神经元解释网络对吸烟行为的检测或预测。网络的分类决策主要基于位于嘴部的特征，尤其是烟雾似乎对网络决策具有高度重要性。烟雾的轮廓被高亮作为对应类别的证据。一些元素被视为对烟雾神经元有负向影响，因此以不同方式高亮。有趣的是，网络基于图像区域区分重要与不重要特征。该技术还可检测其他可吸食毒品如 weed、shisha、marijuana 等。该框架可在学校、购物中心、公交车站、铁路车厢或政府卫生法规政策下其他禁烟违规区域可靠识别动作型吸烟者。通过在吸烟区明确安装，该技术可检测范围外的吸烟者。
引用
@article{arxiv.2112.08178,
title = {Interpretable Feature Learning Framework for Smoking Behavior Detection},
author = {Nakayiza Hellen and Ggaliwango Marvin},
journal= {arXiv preprint arXiv:2112.08178},
year = {2021}
}
备注
15 pages