⬜️ 🗞️ 🖐🏿 基于Intel NUC的照片或视频的吸烟检测综合体 🖊️ ✊🏼 🎂

在本文中，我们将讨论如何解决通过英特尔NUC上的对象视频分析确定吸烟事实的问题。在输入端，来自监控摄像机的经过解码的视频流在计算机上被切成帧，然后将每个帧（考虑帧速率分配器）提供给神经网络，该神经网络检测吸烟事实的存在并返回事件发生的可能性。

现在让我们更详细地考虑问题，与市场上现有解决方案的主要区别以及获得的速度和线程数指标。

一般问题

在俄罗斯，2014年6月1日，《反烟草法》新规范生效。《反烟草法》规范了保护公民健康免受周围烟草烟雾的影响和烟草消费后果方面的关系：在长途火车，旅客平台，旅馆和旅馆，零售场所，市场，咖啡馆，酒吧，餐馆中禁止吸烟。

为了与吸烟作斗争，许多州制定了一项禁止在公共场所吸烟的法律。在所有办公室和剧院中，消除了“吸烟室”，并在餐饮场所拆除了吸烟室。

引入上述禁令意味着要监视对既定规则和法规的遵守情况。迄今为止，为此目的使用了各种灰尘传感器和气体分析仪（例如CO2）。这些设备的一般工作原理如下：

各种集尘传感器和气体分析仪的一般工作原理

传感器检测环境变化，控制微控制器根据预定算法创建反应事件。

除尘传感器和气体分析仪的替代方法可以是使用神经网络的对象视频分析，其中输入是来自监视摄像机的照片或视频流，输出是框架或框架集中存在烟草或其他化合物的可能性。

软硬件复合体的一般框图

有多种方法可以实现此组合系统：

独立的系统，紧凑设计，可现场安装
集中式系统，可在数据中心进行数据传输和处理，并能够使用现有的视频监控系统
混合选项，当部分数据在紧邻数据源的位置进行处理，而部分数据在数据中心进行处理时，集中存储两个系统的结果

让我们更详细地考虑它们：

用于吸烟检测的软硬件复合体的一般框图

在数据源附近使用组合体的组成：

IP摄像机/直接连接的摄像机或一组摄像机（用作数据源）。
切换（连接多个数据源时）。
执行设备，英特尔NUC8i5BEK计算器。

由于软硬件成本较低，因此解决了许多重要的安全任务，例如：

高度准确地监视对消防安全规则的遵守情况，并对违法事实进行照片记录（包括违法时间，日期和地点的数据）
查明从事与使用易燃，燃料和润滑油有关的危险行业和公司的犯罪事实
监控敏感设施对内部制度的遵守情况

一个有效的用例是服务器架构，其中摄像机的数据被传输到数据中心以进行进一步处理：

服务器架构，其中摄像机的数据被传输到数据中心进行进一步处理

扩展并使用此方案时，作为集中推理的设备，假定使用相同的Intel NUC8i5BEK，但使用不同的外形尺寸（服务器1U）：

基于8个Intel NUC8i5BEK的用于执行神经网络的服务器

描述检测吸烟事实的原理

为了检测照片（传入视频流的帧）中是否吸烟，使用了来自开放模型动物园的神经网络拓扑结构SSD Mobilenet v2。该网络在COCO数据集上进行了预训练，并在Tensorflow上进行了进一步训练。接下来，该模型将通过Intel OpenVINO进行转换，以便在CPU / GPU上进一步运行，以优化FPS的成本。转换后的模型性能：

单个Intel NUC8i5BEK的总分频值为5（分频器为25 FPS / 5 = 5 FPS），最多可以处理40个流，而无需考虑解码成本。当使用VAAPI硬件解码和最新的intel-media-driver时，解码成本将降至最低。

英特尔OpenVINO框架的优势之一是能够在不同设备之间传输网络，例如，只需修改最少的同一个模型就可以在CPU，GPU，FPGA，VPU和其他设备上运行。

为了进行实验，在基于Myriad X的Intel Neural Compute Stick 2上启动了一个用于检测吸烟情况的模型。结果：