一种基于人工智能的溺水识别方法及应急处理系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于人工智能的溺水识别方法及应急处理系统。该方法首先将采集的泳池视频图像输入训练好的溺水识别网络中，输出溺水特征向量，由溺水特征向量判断是否发生溺水情况；其中溺水识别网络的训练过程为：基于每帧视频图像中的关键点计算视频图像的模式相似度；对历史泳池视频进行两两匹配，得到视频对；根据视频图像的背景区域的灰度值频次，计算背景相似度；基于模式相似度和背景相似度将视频对中两个视频的视频图像两两匹配，得到图像对；通过图像对训练溺水识别网络。提高了网络对正常游泳和溺水的识别精度，避免由于溺水动作和正常游泳动作较相似时，没有及时识别到导致人员的伤亡。没有及时识别到导致人员的伤亡。没有及时识别到导致人员的伤亡。

【技术实现步骤摘要】
一种基于人工智能的溺水识别方法及应急处理系统


[0001]本专利技术涉及图像处理
，具体涉及一种基于人工智能的溺水识别方法及应急处理系统。

技术介绍

[0002]游泳是目前较为流行的一种比较耗体力的运动锻炼方式，人们通常在游泳馆内进行游泳锻炼，游泳馆分为深水区和浅水区，放新学者误入深水区时，由于自身游泳经验不足，很容易出现溺水现象，虽然游泳馆有监督员，但在游泳者较多时监督员不能全面监督游泳馆是否存在意外发生；同时，由于游泳是较为耗费体能的运动，当游泳者游泳时间过长，容易发生抽筋现象，其更容易出现溺水情况，故对游泳的人群进行溺水识别很重要。
[0003]现有的溺水识别主要是通过神经网络对采集到的图像进行识别，网络训练过程中需要同时有正常数据，即非溺水数据，也有溺水数据，但人体在溺水和非溺水时，有些动作相似性较大，而神经网络对这些难以精确识别。

技术实现思路

[0004]为了解决对溺水和非溺水识别不准确的技术问题，本专利技术的目的在于提供一种基于人工智能的溺水识别方法及应急处理系统，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了一种基于人工智能的溺水识别方法，该方法包括以下步骤：
[0006]采集泳池视频图像，将所述泳池视频图像输入训练好的溺水识别网络中，输出溺水特征向量，由所述溺水特征向量判断是否发生溺水情况；
[0007]所述溺水识别网络的训练过程为：
[0008]对历史泳池视频库中视频的每帧视频图像进行人体关键点识别，得到对应的图结构；基于图结构中的关键点计算视频图像的模式相似度；
[0009]基于同一历史泳池视频中每帧视频图像的背景区域的相似性，选取出代表帧，得到对应的灰度值频数代表序列；基于不同历史泳池视频对应的灰度值频数代表序列的相似程度，对历史泳池视频中的正常视频和溺水视频进行两两匹配，得到视频对；根据不同历史泳池视频中视频图像的背景区域的灰度值频次，计算背景相似度；基于模式相似度和背景相似度将视频对中两个视频的视频图像两两匹配，得到图像对；通过图像对训练溺水识别网络。
[0010]优选的，所述基于模式相似度和背景相似度将视频对中两个视频的视频图像两两匹配，得到图像对，包括：
[0011]选取视频对中任意视频的任意一张视频图像作为目标图像，计算所述目标图像与视频对中另一视频中视频图像的模式相似度和背景相似度的乘积，作为图像相似度；基于所述图像相似度对两个视频的视频图像分别两两匹配，得到图像对。
[0012]优选的，所述模式相似度，包括：基于图结构中的关键点，对于人体不同部位的关
键点赋予不同的数字作为关键点的编号，得到每帧视频图像的关键点编号序列；将两帧视频图像的所述关键点编号序列的交并比，作为两帧视频图像之间的模式相似度。
[0013]优选的，所述背景相似度，包括：获取历史泳池视频中每帧视频图像的背景区域；计算背景区域中每个灰度值的频数，得到灰度值频数序列；将两帧视频图像的灰度值频数序列的余弦相似度，作为两帧视频图像之间的背景相似度。
[0014]优选的，所述通过图像对训练溺水识别网络，包括：
[0015]溺水识别网络的其中一个损失函数为交叉熵损失函数；另一个损失函数为由输入的泳池视频图像与泳池视频图像所处图像对中另一视频图像的均方误差、归一化后的图像对的图像对权重的乘积的均值构建。
[0016]优选的，所述图像对的图像对权重，包括：
[0017]将图像对中两个图像的图像相似度进行负相关归一化的结果值作为图像对的图像对权重。
[0018]优选的，所述基于同一历史泳池视频中每帧视频图像的背景区域的相似性，选取出代表帧，得到对应的灰度值频数代表序列，包括：
[0019]获取历史泳池视频中每帧视频图像的背景区域；计算背景区域中每个灰度值的频数，得到灰度值频数序列；选取任意视频图像作为目标图像，计算同一历史泳池视频中目标图像和其他视频图像对应的灰度值频数序列的余弦相似度之和；将最大的余弦相似度之和对应的灰度值频数序列的视频图像作为代表帧，代表帧对应的灰度值频数序列为灰度值频数代表序列。
[0020]优选的，所述对历史泳池视频库中视频的每帧视频图像进行关键点识别，得到对应的图结构，包括：
[0021]识别视频图像中的关键点，将每个关键点作为图结构中的节点，将任意两个节点之间的欧式距离作为节点之间的边值，构建图结构。
[0022]优选的，所述基于不同历史泳池视频对应的灰度值频数代表序列的相似程度，对历史泳池视频中的正常视频和溺水视频进行两两匹配，得到视频对，包括：
[0023]计算不同历史泳池视频对应的灰度值频数代表序列的余弦相似度，作为序列相似度；基于序列相似度将正常视频和溺水视频进行一一匹配，得到至少两个视频对。
[0024]第二方面，本专利技术一个实施例提供了一种基于人工智能的溺水应急处理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于人工智能的溺水识别方法。
[0025]本专利技术实施例至少具有如下有益效果：
[0026]本专利技术中对历史泳池视频库中视频的每帧视频图像进行关键点识别，得到对应的图结构，这里由不同的图结构表征了人体行为姿态，避免了由于人体的高矮胖廋造成的模式识别不准确，同时避免了网络的过拟合。基于不同历史泳池视频对应的灰度值频数代表序列的相似程度，对历史泳池视频进行两两匹配，得到视频对，实现正常视频和溺水视频的一对一匹配。基于模式相似度和背景相似度将视频对中两个视频的视频图像两两匹配，得到图像对，通过匹配得到动作相似性较大且背景相似的图像对，进而通过图像对训练溺水识别网络，从而使得网络提高对差异信息的学习，进而提高网络对正常游泳和溺水的识别精度，避免由于溺水动作和正常游泳动作较相似时，没有及时识别到导致人员的伤亡。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0028]图1为本专利技术一个实施例所提供的溺水识别网络的训练方法的方法流程图；
[0029]图2为本专利技术一个实施例所提供的历史泳池视频两两匹配的示意图；
[0030]图3为本专利技术一个实施例所提供的溺水识别网络的网络训练过程的示意图。
具体实施方式
[0031]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的溺水识别方法及应急处理系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的溺水识别方法，其特征在于，该方法包括以下步骤：采集泳池视频图像，将所述泳池视频图像输入训练好的溺水识别网络中，输出溺水特征向量，由所述溺水特征向量判断是否发生溺水情况；所述溺水识别网络的训练过程为：对历史泳池视频库中视频的每帧视频图像进行人体关键点识别，得到对应的图结构；基于图结构中的关键点计算视频图像的模式相似度；基于同一历史泳池视频中每帧视频图像的背景区域的相似性，选取出代表帧，得到对应的灰度值频数代表序列；基于不同历史泳池视频对应的灰度值频数代表序列的相似程度，对历史泳池视频中的正常视频和溺水视频进行两两匹配，得到视频对；根据不同历史泳池视频中视频图像的背景区域的灰度值频次，计算背景相似度；基于模式相似度和背景相似度将视频对中两个视频的视频图像两两匹配，得到图像对；通过图像对训练溺水识别网络。2.根据权利要求1所述的一种基于人工智能的溺水识别方法，其特征在于，所述基于模式相似度和背景相似度将视频对中两个视频的视频图像两两匹配，得到图像对，包括：选取视频对中任意视频的任意一张视频图像作为目标图像，计算所述目标图像与视频对中另一视频中视频图像的模式相似度和背景相似度的乘积，作为图像相似度；基于所述图像相似度对两个视频的视频图像分别两两匹配，得到图像对。3.根据权利要求1所述的一种基于人工智能的溺水识别方法，其特征在于，所述模式相似度，包括：基于图结构中的关键点，对于人体不同部位的关键点赋予不同的数字作为关键点的编号，得到每帧视频图像的关键点编号序列；将两帧视频图像的所述关键点编号序列的交并比，作为两帧视频图像之间的模式相似度。4.根据权利要求1所述的一种基于人工智能的溺水识别方法，其特征在于，所述背景相似度，包括：获取历史泳池视频中每帧视频图像的背景区域；计算背景区域中每个灰度值的频数，得到灰度值频数序列；将两帧视频图像的灰度值频数序列的余弦相似度，作为两帧视频图像之间的背景相似度。5.根据权利要求2所述的一种基于人工智能的溺水识别方法，其特征在于，所述通过图像对训练溺水...

【专利技术属性】
技术研发人员：于中阳，张萌飞，杨文辉，
申请(专利权)人：上海旺链信息科技有限公司，
类型：发明
国别省市：