一种基于烟蒂图像的抽吸行为确定方法及装置

技术领域

本发明涉及一种基于烟蒂图像的抽吸行为确定方法及装置，属于烟支抽吸行为研究技术领域。

背景技术

针对单个消费者，抽吸后烟支的剩余长度与产品口味、产品质量、个人抽吸习惯等相关，但足够大的卷烟消费行为数据往往可以反映出一些共性特征，例如：某款产品整体的抽吸后烟条剩余长度高于所有卷烟品类的平均水平，则可以消除个体差异对这一结果的影响，从而反映消费者群体针对该产品的抽吸行为，与消费者评价数据结合，挖掘产生这一行为的深层原因，可为产品开发与维护提供方向和思路。

目前研究烟支抽吸行为主要采用吸烟行为记录仪来监测吸烟者抽吸卷烟过程的抽吸口数、抽吸频率、抽吸容量、抽吸间隔、持续时间等参数，缺少对于烟支抽吸后的剩余长度的研究。而现有的吸烟行为记录仪主要监测人的抽吸过程，无法进行烟支抽吸后剩余长度的相关统计。而烟支抽吸后剩余长度的统计需要大量的样本来支撑，若采用人工方式，不仅效率低，还可能因为人为因素导致统计结果出现错误。

发明内容

本发明的目的是提供一种基于烟蒂图像的抽吸行为确定方法及装置，以解决目前抽吸行为确定过程无法快速、准确统计出烟支抽吸后剩余长度的问题。

本发明为解决上述技术问题而提供一种基于烟蒂图像的抽吸行为确定方法，该确定方法包括以下步骤：

1)收集抽吸后的烟蒂，对收集到的烟蒂进行图像采集，获取抽吸后的烟蒂图像以及成品烟支图像；

2)对抽吸后的烟蒂图像和成品烟支图像进行图像分割，实现对烟支不同部位的划分，以标注出烟支的滤棒和烟支的烟条部分；

3)构建分类模型，通过所述分类模型对标注完的抽吸后的烟蒂图像进行特征提取，并利用提取出的特征对图像进行分类，将属于同一品牌规格的烟蒂图像作为一类；

4)统计每类图像中烟支的烟条部分的长度，并计算烟条部分的长度占该类成品烟支长度的比例，根据所述比例确定每个品牌规格烟支的抽吸行为。

本发明通过获取抽吸后的烟蒂图像，利用图像处理技术对烟蒂图像进行分割和分类，将属于同一品牌规格的烟蒂图像作为一类，根据分割结果统计每类图像中烟条剩余部分的长度，从而可计算出烟条剩余部分的长度占该类成品烟支烟条长度的比例，根据该比例可判断出每个品牌规格烟支的抽吸行为，为后续产品开发与维护提供支撑。本发明采用图像识别的方式能够快速统计出各类卷烟产品抽吸后的烟蒂的长度，进而确定出各品牌规格的抽吸行为，避免了人工统计带来的效率低、成本高的问题。

进一步地，所述步骤2)中图像分割采用深度学习算法。

本发明利用深度学习算法分析烟蒂各个部分的特征，能够快速、准确实现烟蒂图像的分割。

进一步地，所述的图像分割通过迁移学习和主动学习的方式实现对烟蒂图像以及成品烟支图像的自动标注。

为避免人工标注效率低、成本高的问题，本发明利用少量的人工标注样本，通过迁移学习和主动学习的方式实现图像的自动标注，大大提高了标注的效率。

进一步地，所述步骤3)采用深度学习算法或者机器学习算法进行图像分类，根据步骤2)的标注结果，基于烟支粗细、滤棒长短、滤棒接装纸的颜色和花纹以及烟条部分卷烟纸的颜色和花纹的特征进行品牌规格的分类。

进一步地，所述的步骤3)采用的机器学习算法为SVM分类法，采用的深度学习算法为卷积神经网络。

本发明采用深度学习算法或者机器学习算法能够快速、准确实现烟蒂图像的分类，将属于同一品牌规格的烟蒂图像作为一类。

进一步地，该方法还包括利用虚拟仿真技术重构烟支三维立体形象，生成不同视角、光照、剩余长度的虚拟烟蒂图像数据，以实现烟蒂图像数据的扩增。

本发明考虑到收集的抽吸后的烟蒂数量有限，相应的烟蒂图像数量不够丰富，因此，本发明采用虚拟仿真技术进行烟蒂图像重构，为后续图像分割和分类提供大量的训练数据，进而提高图像分割和分类的精度。

进一步地，该方法还包括对得到的烟蒂图像数据进行预处理的步骤，所述的预处理包括图像增强处理和图像超分辨率处理。

本发明考虑到图像采集时环境等因素的干扰，还对图像进行了预处理，通过图像增强处理对低质量图像进行曝光、对比度、饱和度、高亮等的调优，提升数据质量；通过对高质量图像进行图像超分辨率处理，以重建有用的图像特征并提高图像特征的可检测性。

本发明还提供一种基于烟蒂图像的抽吸行为确定装置，包括存储器和处理器，所述处理器用于执行存储在所述存储器中的指令，以实现本发明的基于烟蒂图像的抽吸行为确定方法。

附图说明

图1是本发明基于烟蒂图像的抽吸行为确定方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步地说明。

基于烟蒂图像的抽吸行为确定方法的实施例

本发明通过收集抽吸后的烟蒂，对收集到的烟蒂进行图像采集，获取抽吸后的烟蒂图像；然后对抽吸后的烟蒂图像进行图像分割，实现对烟支不同部位的划分；并基于划分结果按照品牌规格对图像进行分类，将属于同一品牌规格的烟蒂图像作为一类；最后统计每类图像中烟条剩余部分的长度，并计算烟条剩余部分的长度占该类成品烟支烟条长度的比例，根据所述比例确定针对每个品牌规格烟支的消费者群体的抽吸行为。该方法通过图像处理的方式，能够准确获取每类烟条剩余部分的长度占该类成品烟支烟条长度的比例，以此确定各类烟支的抽吸行为。该方法的实现流程如图1所示，下面进行详细说明。

1.收集抽吸后的烟蒂，对收集到的烟蒂进行图像采集，获取抽吸后的烟蒂图像。

本发明可收集市售常见规格卷烟产品，得到各类成品烟支；同时面向不同城市机场、火车站、商场等场景中的吸烟室或吸烟点收集抽吸后烟蒂；对各类成品烟支进行图像采集，得到成品烟支图像数据集，对收集到的抽吸后的烟蒂进行图像采集，得到抽吸后烟蒂图像数据集。

在对成品烟支和抽吸后烟蒂进行图像采集时，考虑到不同视角下烟支特征不同的问题，本发明需要采集不同视角下成品烟支和抽吸后烟蒂图像来构建成品烟支图像数据集和抽吸后烟蒂图像数据集，为后期图像识别提供丰富的原始数据，保证图像识别的准确性。

通过多视角采集获取的烟蒂图像数据仍然有限，为了丰富抽吸后烟蒂图像数据集，本发明还利用虚拟仿真技术重构烟支三维立体形象，生成视角、光照、剩余长度等更加多样的虚拟图像数据，实现虚实结合的烟蒂图像数据扩增，进一步提高图像样本数据量。

2.对获取的烟蒂图像进行预处理。

多视角采集到的烟支图像(包括成品烟支和抽吸后烟蒂图像)数据质量存在较大差异，而图像质量的高低直接影响后续识别算法的精度。因此，本发明需要对采集到的图像进行预处理，以提升烟支图像数据集的质量和鲁棒性。

本发明采用基于深度学习的图像质量评价算法，分析采集的烟蒂图像在光线、色彩、对比度等方面的质量，划分高、低质量数据集。针对低质量数据，利用图像增强算法实现图像曝光、对比度、饱和度、高亮等方面的优化，进而提升数据质量，本实施例中的图像增强算法可采用灰度变换、直方图增强、图像平滑滤波等方法。针对高质量数据，本发明采用图像超分辨率算法进行处理，重建有用的图像特征并提高图像特征的可检测性。

3.对预处理后的图像进行图像分割，实现烟支不同部位的自动标注。

为了实现图像分割，本发明首先构建图像分割模型以实现对未知样本的分割。分割模型采用的是深度学习算法，深度学习算法的精度依赖于训练样本的规模，若要实现准确的分割，需要大量的训练样本和测试样本。对本实施例而言，训练样本和测试样本指的是已经标注好各个部位的烟蒂图像，目前对训练样本和测试样本的标注主要采用的人工标注方法，对于大量样本而言，若直接采用人工标注，则效率低、成本高。因此，本发明在少量人工标注样本的基础上，采用迁移学习和主动学习技术，构建高价值数据筛选与自动标注模型，通过分析烟蒂图像特征，自动定位图像中烟蒂不同部分的信息(滤棒、烟条剩余部分(或烟条部分)、产品规格特征位置及产品规格等)，同时自动挑选对模型优化价值最大的重要数据，交由专家辅助修改确认，不断更新已标注数据(源域)与未标注数据(目标域)的特征分布，在交互中实现自动标注准确性的迭代提升。

本实施例中的图像分割采用卷积神经网络模型，通过卷积神经网络模型实现图像分割，具体而言，将标注好的烟蒂图像样本划分成训练集和测试集，利用训练集训练图像分割模型，利用测试集对训练后的模型进行验证和调整，以提高模型的分割精度。

作为其他实施方式，也可以采用其他深度学习模型，例如全卷积神经网络(FCN)、RCNN、残差网络ResNet等。FCN模型采用卷积层对输入图像进行高级语义特征提取，利用反卷积进行像素级分类预测，利用跳跃连接从最后一层的特征图上采样和前几层输出的特征图融合(summation操作)，连接高层次粗的语义信息和低层次精细的位置信息，实现精准分割。

4.对图像进行分类。

在完成烟蒂图像分割后，本发明还需要按照烟支的品牌规格进行分类，不同品牌规格的烟支粗细(圆周)、滤棒长短、滤棒物理结构、滤棒接装纸的颜色和花纹、烟条部分卷烟纸的颜色和花纹会存在不同，因此，本发明基于步骤3的分割结果，根据烟蒂图像数据集分割后的各部分特征进行图像分类，将同一品牌规格的分成一类，不同品牌规格的分成不同类。

本实施例的图像分类可采用深度学习模型来实现，也可以采用机器学习模型。深度学习模型可采用卷积神经网络、编码-解码模型等，利用步骤3得到分割结果，对烟支的滤棒、烟条进行特征提取，基于不同品牌规格烟支的滤棒、烟条特征的不同进行分类。机器学习模型可采用支持向量机来实现图像分类，支持向量机(SVM)模型在进行图像分类时，可以看作给每一种图像的类别生成一个图像模版，然后将待分类的图像和各图像模版做内积，计算相似度，选取相似度最高的图像模版对应类别作为该待分类图像的类别。作为其他实施方式，也可以采用其他机器学习模型进行分类。按照上述方法可将抽吸后烟蒂图像数据集按照品牌规格进行分类，假设一共有N类，对于每一类，根据分割结果，可统计抽吸后烟蒂中烟条剩余部分的长度，由于每一类中的抽吸后的烟蒂图像有很多，本实施例取每一类中所有抽吸后烟蒂中烟条剩余部分的长度的均值作为该类的抽吸后剩余长度，将各类的抽吸后剩余长度比上对应类别的成品烟支中烟条的长度，就能够准确获取每类烟条剩余部分的长度占该类成品烟支烟条长度的比例，而该比例能够反映出消费者对各类烟支的抽吸行为。可以结合地理位置，分别分析不同城市、不同区域消费者群体的抽吸行为特征；也可以结合时间信息，分析不同时期消费者针对产品的抽吸行为的变化情况，例如：分析对产品进行改善的前后，消费者抽吸行为有没有变化。

通过上述过程，本发明能够将采集到的抽吸后的烟蒂图像按照不同品牌规格进行分类，并且能够基于图像分割结果，统计出各类产品抽吸后烟蒂的长短，进而得到烟条剩余部分占成品烟支烟条长度的比例，例如若判断出某款产品整体的烟条抽吸后剩余长度高于卷烟产品平均水平，则反映消费者群体针对该产品的抽吸行为。因此，本发明通过图像识别技术能够快速、准确确定抽吸行为，并且该方法还可以消除个体差异，为后续产品的研究提供可靠的数据来源。

基于烟蒂图像的抽吸行为确定装置的实施例：

本实施例提供一种基于烟蒂图像的抽吸行为确定装置，基于本实施例的基于烟蒂图像的抽吸行为确定装置能够解决目前采用吸烟行为记录仪无法进行烟支抽吸后剩余长度统计的问题。

在本实施例中，基于烟蒂图像的抽吸行为确定装置包括存储器和处理器，存储器用于存储基于烟蒂图像的抽吸行为确定的指令。处理器用于执行存储在存储器中的指令，以实现上述的基于烟蒂图像的抽吸行为确定方法。基于烟蒂图像的抽吸行为确定方法具体内容可以参照方法实施例中相应的介绍，此处不再赘述。

在本实施例中，处理器可以为微处理器MCU、可编程逻辑器件FPGA等处理装置。

在本实施例中，存储器可以为利用电能方式存储信息的各式存储器(例如RAM、ROM等)、利用磁能方式存储信息的各式存储器(例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘等)、利用光学方式存储信息的各式存储器(例如CD、DVD等)。当然，存储器还可以为其他方式的存储器(例如量子存储器、石墨烯存储器等)。