哈嘍，大家好。

今天給大家分享一個吸煙識別+人臉識別的項目。很多公共場所、生產(chǎn)場所和學(xué)校，都有禁煙的要求，做一個禁煙的監(jiān)控，讓AI自動識別吸煙行為，并識別是誰在吸煙，還是很有必要的。

用目標(biāo)檢測算法判斷吸煙行為，提取吸煙者的人臉，用人臉識別算法判斷誰在吸煙。思路比較簡單，但細節(jié)處理起來還是稍微有些麻煩。

項目用到訓(xùn)練數(shù)據(jù)和源碼，都已經(jīng)打包好了。還是老樣子，評論區(qū)獲取。

1. 檢測香煙

我用了 5k 張抽煙的標(biāo)記數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)

放在dataset目錄下。

訓(xùn)練YOLOv5目標(biāo)檢測模型。

第一步，復(fù)制data/coco128.yaml為smoke.yaml，并修改數(shù)據(jù)集目錄和類別配置信息

path: ../dataset/smoke # dataset root dir
train: images/train  # train images (relative to 'path') 128 images
val: images/test  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes
names:
  0: smoke

第二步，復(fù)制./models/yolov5s.yaml為smoke.yaml?，修改nc

nc: 1  # number of classes

第三步，下載yolov5s.pt?預(yù)訓(xùn)練模型，放在{yolov5目錄}/weights目錄中

執(zhí)行下面命令，訓(xùn)練即可

python ./train.py --data ./data/smoke.yaml --cfg ./models/smoke.yaml --weights ./weights/yolov5s.pt --batch-size 30 --epochs 120 --workers 8 --name smoke --project smoke_s

訓(xùn)練完成后可以看到如下輸出：

準(zhǔn)召還湊合。

訓(xùn)練完成后，可以找到best.pt位置，后面用它來做香煙檢測。

model = torch.hub.load('../28_people_counting/yolov5', 'custom', './weights/ciga.pt', source='local')

results = self.model(img[:, :, ::-1])
        pd = results.pandas().xyxy[0]
        ciga_pd = pd[pd['class'] == 0]

能識別到煙后，我們還需要判斷，當(dāng)前是否正在吸煙。

可以用香煙檢測框與嘴部檢測框計算IOU來判斷，說白了，就是判斷這兩框是否有交集，若有，則認為當(dāng)前正在吸煙。

嘴部檢測框，使用人臉關(guān)鍵點來識別。

2. 人臉識別

人臉識別算法有很多成熟的模型，我們不需要自己訓(xùn)練，直接調(diào)庫即可。

我這里用的是dlib庫，它可以識別人臉 68 個關(guān)鍵點，并根據(jù)這 68 個關(guān)鍵點，提取人臉特征。

face_detector = dlib.get_frontal_face_detector()
face_sp = dlib.shape_predictor('./weights/shape_predictor_68_face_landmarks.dat')

dets = face_detector(img, 1)

face_list = []
for face in dets:
    l, t, r, b = face.left(), face.top(), face.right(), face.bottom()

    face_shape = face_sp(img, face)

face_detector?可以檢測人臉，返回人臉檢測框，face_sp基于人臉檢測框，識別人臉 68 個關(guān)鍵點。

從這 68 個關(guān)鍵點中，我們便可以獲取到嘴部檢測框，用于判斷是否正在吸煙。

最后，我們還是希望利用人臉識別算法，識別到誰在吸煙。

第一步，提取人臉特征

face_feature_model = dlib.face_recognition_model_v1('./weights/dlib_face_recognition_resnet_model_v1.dat')

face_descriptor = face_feature_model.compute_face_descriptor(img, face_shape)

face_descriptor?根據(jù)人臉 68 個關(guān)鍵點之間的位置、距離，維每張臉計算出一個特征向量。這個原理類似于我們之前分享的word2vec?或者將視頻映射到N維向量。

第二步，將現(xiàn)有人臉錄入人臉庫。我準(zhǔn)備了 3 個影視劇中的吸煙行為

從視頻中裁剪出人臉，向量化后，寫入人臉數(shù)據(jù)庫（用文件代替）

第三步，發(fā)生吸煙行為后，我們可以裁剪出吸煙者的人臉，并計算人臉向量，與人臉數(shù)據(jù)庫的特征進行比對，找到最相似的人臉，返回對應(yīng)的名字

def find_face_name(self, face_feat):
    """
    人臉識別，計算吸煙者名稱
    :param face_feat:
    :return:
    """
    cur_face_feature = np.asarray(face_feat, dtype=np.float64).reshape((1, -1))

    # 計算兩個向量（兩張臉）余弦相似度
    distances = np.linalg.norm((cur_face_feature - self.face_feats), axis=1)
    min_dist_index = np.argmin(distances)
    min_dist = distances[min_dist_index]

    if min_dist < 0.3:
        return self.face_name_list[min_dist_index]
    else:
        return '未知'

這個項目還有很多可以擴展的地方，比如：我提供的視頻只有單張臉，實際監(jiān)控中肯定是多張臉。這時候可以用MOT算法進行行人跟蹤，然后再對每個人單獨做吸煙識別

還有，可以單獨做一個統(tǒng)計區(qū)，把識別到的吸煙行為保存，用作警告、處罰的證據(jù)。