基于人體骨骼關(guān)鍵點(diǎn)的吸煙行為檢測(cè)算法

徐婉晴，王保棟，黃藝美，李金屏*

（1.濟(jì)南大學(xué)信息科學(xué)與工程學(xué)院，濟(jì)南 250022；2.山東省網(wǎng)絡(luò)環(huán)境智能計(jì)算技術(shù)重點(diǎn)實(shí)驗(yàn)室（濟(jì)南大學(xué)），濟(jì)南 250022；3.山東省“十三五”高校信息處理與認(rèn)知計(jì)算重點(diǎn)實(shí)驗(yàn)室（濟(jì)南大學(xué)），濟(jì)南 250022）

（?通信作者電子郵箱ise_lijp@ujn.edu.cn）

0 引言

吸煙嚴(yán)重危害人類的身體健康，并且在公共場(chǎng)所吸煙存在很多潛在的危害，不少研究者采用不同方法對(duì)吸煙行為展開研究［1-4］。目前關(guān)于吸煙行為的計(jì)算機(jī)視覺檢測(cè)算法主要是利用深度學(xué)習(xí)模型對(duì)煙頭、煙霧、人臉進(jìn)行檢測(cè)，進(jìn)而判斷出吸煙行為［1-2］。盡管深度學(xué)習(xí)對(duì)圖像數(shù)據(jù)特征都有著很好的非線性學(xué)習(xí)能力，但是需要大量且多樣的數(shù)據(jù)集進(jìn)行訓(xùn)練，并且當(dāng)人物處于復(fù)雜環(huán)境時(shí)，識(shí)別難度會(huì)增加。僅利用目標(biāo)檢測(cè)的方法識(shí)別吸煙行為忽略了吸煙行為與吸煙者肢體動(dòng)作之間的關(guān)系。一些學(xué)者在研究過程中將目標(biāo)檢測(cè)算法和動(dòng)作識(shí)別算法進(jìn)行了結(jié)合來檢測(cè)吸煙行為，例如文獻(xiàn)［3］中針對(duì)出租車司機(jī)設(shè)計(jì)了一種采用支持向量機(jī)（Support Vector Machine，SVM）對(duì)吸煙煙霧特征和抖煙動(dòng)作特征進(jìn)行建模和分類來檢測(cè)吸煙行為的方法，由于出租車會(huì)擋住司機(jī)的吸煙動(dòng)作，所以只能檢測(cè)司機(jī)的抖煙動(dòng)作以及飄出窗外的煙霧。文獻(xiàn)［4］中利用幀差法與膚色檢測(cè)法首先判斷出人物手部運(yùn)動(dòng)軌跡，排除非吸煙行為，然后提取手部區(qū)域圖像，使用顏色特征檢測(cè)煙頭。該方法的檢測(cè)思路是先篩選出疑似吸煙行為，較大提升了算法的運(yùn)算效率；但方法對(duì)于手部運(yùn)動(dòng)軌跡的判斷較為粗糙，難以應(yīng)對(duì)復(fù)雜場(chǎng)景中的干擾。

人體動(dòng)作與骨骼關(guān)鍵點(diǎn)之間存在著十分密切的聯(lián)系，并且隨著人體姿態(tài)估計(jì)算法的發(fā)展［5-7］，人體骨骼關(guān)鍵點(diǎn)定位的準(zhǔn)確性也越來越高。已有學(xué)者利用人體的關(guān)鍵點(diǎn)進(jìn)行吸煙行為的識(shí)別，如文獻(xiàn)［8］中提出了一種基于人體關(guān)節(jié)點(diǎn)的吸煙行為識(shí)別方法，可檢測(cè)多人場(chǎng)景中的吸煙行為，然而只能識(shí)別符合一定周期性的吸煙過程。

本文結(jié)合人體骨骼關(guān)鍵點(diǎn)信息與目標(biāo)檢測(cè)算法提出了一種吸煙行為檢測(cè)算法，利用左手腕、右手腕、左眼睛、右眼睛、左嘴角、右嘴角共6 個(gè)關(guān)鍵點(diǎn)，計(jì)算出手腕到兩嘴角中點(diǎn)的距離和手腕到同側(cè)眼睛的距離，得出這兩個(gè)距離的比值——吸煙動(dòng)作比例（Smoking Action Ratio，SAR）。經(jīng)過大量實(shí)驗(yàn)發(fā)現(xiàn)，SAR 值呈現(xiàn)出規(guī)律性，當(dāng)人物存在吸煙動(dòng)作時(shí)，SAR 總是集中在某一范圍內(nèi)，將人物存在吸煙動(dòng)作時(shí)的SAR 命名為吸煙動(dòng)作黃金比例（Golden Ratio of Smoking Action，GRSA），即判定為吸煙動(dòng)作的最佳SAR 比例，與其他動(dòng)作可以較好地區(qū)分。

本文主要工作是：

1）利用人體骨骼關(guān)鍵點(diǎn)（手腕、嘴角、眼睛）的位置關(guān)系，提出SAR 的計(jì)算方法，設(shè)定判別規(guī)則以檢測(cè)吸煙行為，即人物的SAR是否處于當(dāng)前環(huán)境下的GRSA。

2）利用YOLOv4檢測(cè)視頻中是否存在煙頭，并結(jié)合GRSA和YOLOv4 算法對(duì)煙頭的檢測(cè)來確定吸煙行為的可能性高低，設(shè)定閾值得到吸煙行為的最終判定結(jié)果。

3）針對(duì)不同場(chǎng)景不同人員的吸煙行為進(jìn)行檢測(cè)，對(duì)比了單獨(dú)使用YOLOv4、單獨(dú)使用GRSA 方法以及將YOLOv4 和GRSA結(jié)合的實(shí)驗(yàn)結(jié)果，驗(yàn)證本文算法的有效性和可行性。

1 算法設(shè)計(jì)及模型原理

本文的算法流程如圖1 所示。首先利用AlphaPose 模型檢測(cè)出左右手腕關(guān)鍵點(diǎn)，利用RetinaFace 模型檢測(cè)出左右眼睛和左右嘴角關(guān)鍵點(diǎn)，獲得其坐標(biāo)值。接著根據(jù)關(guān)鍵點(diǎn)的坐標(biāo)可計(jì)算出SAR 值，與當(dāng)前環(huán)境下的GRSA 比較，記錄SAR 屬于GRSA 的持續(xù)時(shí)間t，將t與閾值T比較，作出是否屬于GRSA 的判定；同時(shí)，利用YOLOv4 模型作出是否存在煙頭的判定。由這兩個(gè)判定依據(jù)按照設(shè)定的規(guī)則得到吸煙行為可能性等級(jí)。

圖1 本文算法流程Fig.1 Flowchart of the proposed algorithm

1.1 AlphaPose骨骼關(guān)鍵點(diǎn)檢測(cè)模型

AlphaPose 是一個(gè)多人姿態(tài)估計(jì)的開源系統(tǒng)，在MSCOCO數(shù)據(jù)集上的平均精度均值（mean Average Precision，mAP）達(dá)到61.8%，在MPII 數(shù)據(jù)集上的mAP 達(dá)到76.7%［9］。該系統(tǒng)使用的是區(qū)域多人姿態(tài)估計(jì)（Regional Multi-Person Pose Estimation，RMPE）框架，見圖2。RMPE 在原有的單人姿態(tài)估計(jì)模塊（Single-Person Pose Estimator，SPPE）上增加了對(duì)稱空間變換網(wǎng)絡(luò)（Symmetric Space Transformation Network，SSTN）、由姿態(tài)引導(dǎo)的樣本生成器（Pose-Guided Proposals Generator，PGPG）、姿態(tài)非極大值抑制器（Parametric Pose Non-Maximum Suppression，PPNMS）三個(gè)模塊。SPPE 是針對(duì)單人圖像進(jìn)行訓(xùn)練的，而且對(duì)定位錯(cuò)誤十分敏感，因此RMPE 引入SSTN 和平行的SPPE 來增強(qiáng)SPPE 的效果。SSTN 是由空間轉(zhuǎn)換器網(wǎng)絡(luò)（Spatial Transformer Network，STN）和空間去轉(zhuǎn)換器網(wǎng)絡(luò)（Spatial De-Transformer Network，SDTN）組成的，被分別放在SPPE的前、后，由STN獲取人體樣本，由SDTN產(chǎn)生姿態(tài)樣本。Parallel SPPE 在訓(xùn)練部分作為一個(gè)額外的調(diào)節(jié)器，以避免局部最小值。最后的PPNMS 是為了消除冗余姿態(tài)估計(jì)。PGPG的作用是為了增加現(xiàn)有的訓(xùn)練樣本。根據(jù)文獻(xiàn)［9］在COCO和MPII 數(shù)據(jù)集上對(duì)多種骨骼檢測(cè)模型進(jìn)行的對(duì)比結(jié)果，本文采用效果較好的AlphaPose檢測(cè)視頻中的人體目標(biāo)，得到人體的各個(gè)骨骼關(guān)鍵點(diǎn)在該幀圖像中的（x，y）坐標(biāo)，用到其中的左手腕、右手腕2 個(gè)關(guān)鍵點(diǎn)。AlphaPose 骨骼關(guān)鍵點(diǎn)檢測(cè)效果如圖2所示。

圖2 RMPE框架的流程Fig.2 Flowchart of RMPE framework

1.2 RetinaFace 人臉檢測(cè)模型

對(duì)現(xiàn)有的人臉檢測(cè)算法［10-15］進(jìn)行研究發(fā)現(xiàn)，RetinaFace 模型可以較好地應(yīng)用于本文的吸煙檢測(cè)問題。RetinaFace 是一種單級(jí)人臉檢測(cè)算法，利用多任務(wù)聯(lián)合額外監(jiān)督學(xué)習(xí)和自監(jiān)督學(xué)習(xí)的優(yōu)點(diǎn)，可以對(duì)不同尺度的人臉進(jìn)行像素級(jí)定位［15］。該算法是基于特征金字塔設(shè)計(jì)的，在主干網(wǎng)絡(luò)的選擇上使用了輕量級(jí)網(wǎng)絡(luò)MobileNet，具有獨(dú)立的上下文模塊。根據(jù)上下文模塊計(jì)算多任務(wù)損失函數(shù)，RetinaFace 可以在單個(gè)CPU 上實(shí)時(shí)運(yùn)行完成多尺度的人臉檢測(cè)、人臉對(duì)齊、像素級(jí)人臉分析和人臉密集關(guān)鍵點(diǎn)三維分析任務(wù)，可同時(shí)輸出人臉框和5 個(gè)人臉關(guān)鍵點(diǎn)信息。本文用到其中的4 個(gè)關(guān)鍵點(diǎn)，分別是：左眼睛、右眼睛、左嘴角、右嘴角。RetinaFace 人臉檢測(cè)效果如圖3所示。

圖3 人臉檢測(cè)效果Fig.3 Detection effect of face

1.3 基于人體骨骼關(guān)鍵點(diǎn)的吸煙動(dòng)作分析

1.3.1 思路分析

當(dāng)人物有吸煙行為時(shí)，最顯著的特征是手部十分靠近嘴部，而手部靠近嘴部的行為，也可能出現(xiàn)于喝水、撓頭、扶眼鏡時(shí)?；谌梭w骨骼關(guān)鍵點(diǎn)信息判定吸煙行為的關(guān)鍵就在于如何利用關(guān)鍵點(diǎn)之間的位置信息將吸煙行為與其他行為良好地區(qū)分開?？紤]到若計(jì)算手部到嘴部的距離，當(dāng)距離較小時(shí)，有可能是吸煙行為，但是由于視頻中人物大小不確定導(dǎo)致閾值難以確定；若是在手部和嘴部關(guān)鍵點(diǎn)附近設(shè)定一個(gè)區(qū)域范圍，當(dāng)兩個(gè)區(qū)域有重合時(shí)，計(jì)算交并比，存在的問題是設(shè)定多大的區(qū)域范圍仍然難以確定；因此本文采用比值的方法去除量綱，解決了閾值難以確定的問題。利用（右/左）手腕部到嘴部的距離d1與（右/左）手腕部到（右/左）眼睛的距離d2的比值（如圖4 所示），即SAR。SAR 的分母是手腕到眼睛的距離d2而不用手腕到其他部位的距離，主要是考慮到眼睛和嘴巴總是會(huì)處于同一個(gè)平面，當(dāng)人側(cè)身面對(duì)攝像頭的時(shí)候，有一定的魯棒性，并且不同人的手的大小和五官之間的距離相差不會(huì)太大，相對(duì)于身高更有普遍性。

圖4 吸煙動(dòng)作比例示意圖Fig.4 Schematic diagram of SAR

1.3.2 數(shù)據(jù)處理

通過AlphaPose 和RetinaFace 得到6 個(gè)關(guān)鍵點(diǎn)的坐標(biāo)，坐標(biāo)以圖像左上角為原點(diǎn)，如圖5所示。

圖5 以圖像左上角為原點(diǎn)的坐標(biāo)系Fig.5 Coordinate system with top left corner of image as origin

根據(jù)式（1）可計(jì)算出手腕到嘴巴的歐氏距離d1和手腕到眼睛的歐氏距離d2，由式（2）得到SAR值，即SAR。若由于關(guān)鍵點(diǎn)檢測(cè)不準(zhǔn)確或手腕與眼睛重合等原因?qū)е耫2的值為0，則令d2=1。

對(duì)視頻進(jìn)行逐幀處理，以視頻當(dāng)前幀數(shù)序列為X軸，以SAR 值序列為Y軸，畫出實(shí)時(shí)曲線圖。如圖6 所示，點(diǎn)線代表的是左手腕的SAR 值，虛線代表的是右手腕的SAR 值，兩條黑色實(shí)線之間代表當(dāng)前環(huán)境下的GRSA 范圍。圖6（b）中標(biāo)注的框1 對(duì)應(yīng)圖6（a）中的抽煙動(dòng)作，框2 對(duì)應(yīng)的是圖6（a）中的扶眼鏡動(dòng)作。由于扶眼鏡動(dòng)作和抽煙動(dòng)作之間的間隔動(dòng)作序列含有的信息量很少，所以沒有展示出來。兩種動(dòng)作均選取了關(guān)鍵幀以展示動(dòng)作過程，圖7、8 類似。圖7（b）中框3 對(duì)應(yīng)的是圖7（a）中的左臂自然下垂，右臂晃動(dòng)水杯的動(dòng)作，框4對(duì)應(yīng)的是圖7（a）中喝水動(dòng)作的過程，框5對(duì)應(yīng)的是圖7中檢測(cè)不到某些關(guān)鍵點(diǎn)因而顯示異常值的情況；圖8（b）中框6 對(duì)應(yīng)的是圖8（a）中的撓頭的動(dòng)作。從實(shí)驗(yàn)中發(fā)現(xiàn)，本文的GRSA 吸煙檢測(cè)算法可以較好地區(qū)分吸煙動(dòng)作和非吸煙動(dòng)作。

圖6 吸煙動(dòng)作和扶眼鏡動(dòng)作及其對(duì)應(yīng)的SAR值Fig.6 Smoking and glasses-holding behaviors and their corresponding SARs

圖7 正常狀態(tài)和喝水動(dòng)作及其對(duì)應(yīng)的SAR值Fig.7 Normal condition and drinking water behaviors and their corresponding SARs

圖8 撓頭動(dòng)作及其對(duì)應(yīng)的SARFig.8 Scratching head behavior and its corresponding SAR

1.4 基于YOLOv4模型的煙頭檢測(cè)

YOLOv4 是一個(gè)簡(jiǎn)單且高效的目標(biāo)檢測(cè)算法，該算法在YOLOv3 的基礎(chǔ)上，從各個(gè)方面引入一些優(yōu)化方法［16］。其中訓(xùn)練時(shí)采用Mosaic 數(shù)據(jù)增強(qiáng)方法、跨小批量標(biāo)準(zhǔn)化CmBN（Cross mini-Batch Normalization）和自對(duì)抗訓(xùn)練SAT（Self-Adversarial-Training），保留了YOLOv3 的 head 部分，CSPDarknet53 作為主干網(wǎng)絡(luò)，并使用Mish 激活函數(shù)和Dropblock 丟棄方式，同時(shí)Neck 結(jié)構(gòu)采用了SPP（Spatial Pyramid Pooling）模塊、FPN+PAN（Feature Pyramid Network+Path Aggregation Network）的方式。輸出層的錨框機(jī)制和YOLOv3 相同，主要改進(jìn)的是訓(xùn)練時(shí)的損失函數(shù)，采用CIOU_Loss 回歸方式，以及預(yù)測(cè)框篩選方式由NMS（Non Maximum Suppression）變?yōu)镈IOU_nms?；赮OLOv3 的改進(jìn)使得YOLOv4 模型在檢測(cè)速度和精度上達(dá)到了目前為止的最優(yōu)匹配。本文利用YOLOv4 算法對(duì)4 900 張吸煙圖片進(jìn)行訓(xùn)練和測(cè)試，在GRSA 吸煙檢測(cè)算法的基礎(chǔ)上進(jìn)一步提高吸煙行為檢測(cè)的準(zhǔn)確率。煙頭檢測(cè)效果如圖8 所示，圖中“smoke”表示檢測(cè)到煙頭，“smoke”后面的數(shù)字“0.97”表示置信率。通過實(shí)驗(yàn)測(cè)試發(fā)現(xiàn)，YOLOv4 在檢測(cè)煙頭的問題中有較好的效果，其準(zhǔn)確率信息在表4中給出。

1.5 吸煙行為的判定

將視頻中人物的SAR 屬于GRSA 的持續(xù)時(shí)間t大于T作為判據(jù)一，將YOLOv4 是否檢測(cè)到煙頭作為判據(jù)二，通過這兩個(gè)判據(jù)得出吸煙行為可能性高低。本文中，判據(jù)一所占的權(quán)重設(shè)置為60%，判據(jù)二所占的權(quán)重設(shè)置為40%。當(dāng)SAR 屬于GRSA 的持續(xù)時(shí)間t＞T，且YOLOv4 檢測(cè)到煙頭，則吸煙行為可能性用概率可以表示為100%。依此類推，當(dāng)滿足判據(jù)一不滿足判據(jù)二時(shí)，吸煙行為可能性用概率表示為60%；當(dāng)不滿足判據(jù)一而滿足判據(jù)二時(shí)，吸煙行為可能性用概率表示為40%；當(dāng)判據(jù)一和判據(jù)二均不滿足時(shí)，吸煙行為可能性用概率表示為0%。為了公共場(chǎng)所的安全考慮，吸煙行為可能性若大于等于40%，則判定為存在吸煙行為，見表1。本文進(jìn)行實(shí)驗(yàn)時(shí)，將視頻以20 幀/s 進(jìn)行提取，當(dāng)SAR 屬于GRSA 的圖像大于15幀時(shí)，認(rèn)為滿足條件，相當(dāng)于T取值為0.75 s。

圖9 煙頭檢測(cè)效果圖Fig.9 Cigarette butt detection effect diagram

表1 吸煙行為判定方法Tab.1 Method for judging smoking behavior

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

實(shí)驗(yàn)運(yùn)行環(huán)境為Python3.7 和Pytorch 1.5，硬件平臺(tái)使用的GPU 為2080Ti，內(nèi)存為32 GB。由于目前沒有公開的關(guān)于吸煙視頻的數(shù)據(jù)集，為了驗(yàn)證本文所提出算法的合理性與有效性，錄制了300 個(gè)視頻片段，每個(gè)片段約30 s，其中包含室內(nèi)、室外不同環(huán)境下不同人物的不同動(dòng)作，見表2?；旌细鞣N動(dòng)作的視頻除了包括吸煙、喝水、撓頭的動(dòng)作，還有其他一些例如揮手、拍手、彎腰等可以明顯區(qū)分于吸煙的動(dòng)作。視頻可根據(jù)攝像頭和人臉的相對(duì)高度分為兩類，一類是攝像頭和人臉大致處于同一水平線高度，另一類是攝像頭處于人臉斜上方約45°。YOLOv4 中使用的數(shù)據(jù)集來源于網(wǎng)絡(luò)上的吸煙圖片和非吸煙圖片，其中訓(xùn)練集包含4 410 張，測(cè)試集490 張，數(shù)據(jù)標(biāo)注使用的是labelimg圖像標(biāo)注軟件。

表2 不同視頻類別及數(shù)目統(tǒng)計(jì)Tab.2 Statistics of different video categories and their numbers

2.2 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)介紹

根據(jù)本文算法中設(shè)定的判定規(guī)則，可知當(dāng)吸煙行為可能性為中等、較高、高時(shí)，判定為吸煙行為；當(dāng)吸煙行為可能性為低時(shí)，判定為非吸煙行為。在本文中，使用查準(zhǔn)率P、查全率R兩個(gè)指標(biāo)評(píng)估算法的分類效果。查準(zhǔn)率和查全率根據(jù)式（3）和（4）計(jì)算。

其中：a表示判定正確的吸煙行為的樣本數(shù)量，b表示非吸煙行為被判定為吸煙行為的樣本數(shù)量，c表示吸煙行為被判定為非吸煙行為的樣本數(shù)量。

2.3 實(shí)驗(yàn)結(jié)果分析

2.3.1 閾值分析

為確定GRSA 的最佳取值，通過拍攝的吸煙視頻測(cè)試，得到以下測(cè)試結(jié)果，如表3（加粗?jǐn)?shù)字表示最佳性能），用標(biāo)準(zhǔn)①～⑥表示實(shí)驗(yàn)中GRSA 所設(shè)定的范圍。當(dāng)人臉和攝像頭大致處于同一水平高度時(shí)，標(biāo)準(zhǔn)①的查全率最高，可以應(yīng)用于對(duì)于吸煙把控非常嚴(yán)格的場(chǎng)所，但其對(duì)應(yīng)的查準(zhǔn)率太低；標(biāo)準(zhǔn)③對(duì)應(yīng)的查準(zhǔn)率最高，但其查全率在80%左右，會(huì)漏掉很多吸煙行為。相比之下，標(biāo)準(zhǔn)②將［0.6，0.8］設(shè)置為GRSA 來判定吸煙行為的效果最好，查準(zhǔn)率對(duì)應(yīng)92.8%，查全率對(duì)應(yīng)92.4%。同樣，當(dāng)攝像頭處于人臉斜上方大約45°的情況時(shí)，采用標(biāo)準(zhǔn)⑤將［0.55，0.75］設(shè)置為GRSA 來判定吸煙行為的效果最好，查準(zhǔn)率對(duì)應(yīng)91.3%，查全率對(duì)應(yīng)93.2%。

表3 GRSA取值標(biāo)準(zhǔn)分析Tab.3 Analysis of GRSA value standard

2.3.2 與目標(biāo)檢測(cè)算法的對(duì)比

將利用GRSA 的方法和YOLOv4 算法檢測(cè)煙頭的方法進(jìn)行結(jié)合可以有效提升吸煙行為的準(zhǔn)確性。例如，當(dāng)煙頭較小、煙頭的顏色與背景相似、光照強(qiáng)烈等因素導(dǎo)致煙頭難以被檢測(cè)到時(shí)，僅使用YOLOv4 目標(biāo)檢測(cè)算法檢測(cè)到吸煙行為的比例較低。此時(shí)，利用GRSA 的方法可以有效檢測(cè)到吸煙行為，如圖10（a）和10（b）框2所示。當(dāng)視頻中人物有短暫的吸煙動(dòng)作，即持續(xù)時(shí)間不超過T時(shí)，YOLOv4 若準(zhǔn)確檢測(cè)到煙頭就可提升一定的準(zhǔn)確率，如圖10（b）框1 所示。將本文設(shè)計(jì)的GRSA與YOLOv4目標(biāo)檢測(cè)算法作對(duì)比，見表4（加粗?jǐn)?shù)字表示最佳性能）。當(dāng)攝像頭處于人臉斜上方時(shí)，使用YOLOv4 檢測(cè)煙頭的方法稍好一些。由表中數(shù)據(jù)可知，將YOLOv4與GRSA結(jié)合起來對(duì)于吸煙行為檢測(cè)效果有顯著的提升。

圖10 兩種方法結(jié)合效果展示Fig.10 Combination effect of two methods

表4 不同算法效果對(duì)比Tab.4 Effect comparison of different algorithms

3 結(jié)語(yǔ)

本文結(jié)合姿態(tài)估計(jì)算法，通過對(duì)手部和臉部關(guān)鍵點(diǎn)的坐標(biāo)信息進(jìn)行處理，分析出吸煙行為與吸煙者肢體動(dòng)作的潛在關(guān)系，能夠準(zhǔn)確檢測(cè)到吸煙行為，擴(kuò)大了吸煙檢測(cè)算法的適用范圍。本文提出的吸煙行為檢測(cè)算法還有不足之處：

1）受制于人體姿態(tài)估計(jì)算法的準(zhǔn)確性，因此對(duì)于低質(zhì)量的圖像或視頻效果并不好；

2）算法目前對(duì)于檢測(cè)人體正面的吸煙行為有較高的準(zhǔn)確率，然而當(dāng)攝像頭處于人體側(cè)面不同角度時(shí)，準(zhǔn)確率會(huì)有所下降，因?yàn)樽觳繕O有可能被手部遮擋；并且在嘴部未被遮擋的情況下，GRSA 的范圍需要有所調(diào)整。因此GRSA 吸煙檢測(cè)算法中閾值的自適應(yīng)設(shè)定將作為下一步的工作。