【技术实现步骤摘要】
本专利技术属于计算机，特别是涉及一种溺水识别预警方法及其系统。
技术介绍
1、游泳是一种很受欢迎的运动和休闲方式，但也存在着一定的风险。根据世界卫生组织的数据，每年有约32万人死于溺水。溺水是儿童和青少年死亡的主要原因之一。在大型活动中，如游泳池、水上乐园、海滩派对等，人员密度高，监管难度大，一旦发生溺水事故，可能造成严重的后果。因此，开发一种能够在各种环境下快速、准确地检测并预警游泳溺水的系统方法是必要的。
2、目前溺水检测的方法有以下几种：第一是人工检测，一般在游泳池等场景会有专人监视是否有人员发生了溺水。但是借助人工的检测方法在人数众多的复杂场景下很难关注到所有的人，同时工作人员也很难长时间的保持专注的监视，最后在野外的池塘或者河边的等场景不会有专人看管，而这些地方往往是溺水的高发地带。第二种方法是基于传感器技术的溺水检测，通过对人体的生理参数(如心率、血压、血氧等)进行处理分析，完成游泳池溺水情况的自动检测判决。这种方法的优点是可以减少对图像处理的依赖，算法容易设计，但缺点是需要佩戴特殊的设备，而且可能受到设备故障和信号干扰的影响。第三种方案是利用人工智能方法实现溺水识别，结合yolov5s模型和alphapose模型对水中人体的图像进行目标检测和姿态识别，然后根据人体骨骼关键点坐标计算人体体态特征，判断是否出现溺水现象。这种方法的优点是可以实现实时检测，但是溺水是一个有较长持续时间的过程，依据单帧的或者较少的帧数实现的检测方法准确率不高。
3、公开号cn114724177b为的专利公开了一种结合
技术实现思路
1、本专利技术为解决以上
技术介绍
中提到的问题，提供一种溺水识别预警方法及其系统，以解决现有技术的问题。
2、本专利技术采用的技术方案是：
3、一种溺水识别预警方法，包括以下步骤：
4、s1图像预处理：首先，将读取输入图像进行缩放操作，使其长边满足模型所需的大小。再将短边进行填充或者裁剪到指定大小；最后，对图像进行归一化，将像素值缩放到[0,1]之间；
5、s2目标检测：通过yolov5算法检测图像数据画面中所有人员并标记为目标，为每个目标分配一个id，每个id会对应于一个时序状态序列；
6、s3建立个体长时序状态序列：
7、s3.1将每个检测到的人员的局部图像传入状态编码网络，获取对当前人员的姿态状态的估计；
8、s3.2将估计结果以及位置信息组合得到当前时刻的状态编码存入当前时刻的时序状态序列；
9、s4溺水判别，是采用基于时序多帧的判断方式。
10、进一步地，还包括步骤：s5状态序列留存判断：更新完成后每个id对应的状态序列都会经过一次状态序列的留存判断,若判断当前人员没有溺水的风险则会清除对应id的状态序列。
11、进一步地，所述状态编码网络分为视觉编码支路、位置信息编码支路两个编码支路，采用early fusion的方式来融合这两个支路提取的特征信息。
12、进一步地，所述状态编码网络包括以下步骤：
13、首先，所述视觉编码支路接收包含人体局部图像作为输入，并经过特征提取器编码器一来将其编码为一个512维的图像编码向量，这个向量用于表示当前人体的语义描述；同时，所述位置信息编码支路接受目标检测的输出作为输入，然后经过编码器二来将其编码为一个512维的位置编码向量，用于描述空间语义信息；
14、然后，将这两个编码支路后的向量拼接在一起，得到一个1024维的融合向量，这个融合向量经过编码器三，输出为一个256维的隐向量；
15、最后，通过一个全连接层的分类器，将隐向量映射为状态类别向量，最终将状态类别向量与空间信息拼接在一起，形成状态向量。
16、进一步地，所述编码器一、编码器二和编码器三都由多个残差快堆叠而成。
17、进一步地，所述状态编码网络通过端到端的方式优化：通过如下交叉熵函数约束，假设状态类别总数为n，状态类别向量为y，其中yi表示第i个状态类别的预测概率，对于每个样本，还有一个对应的真实状态类别标签向量t，其中ti是一个二进制值，表示第i个状态类别是否是真实标签，1为真，0为假，交叉熵损失函数可以如下定义：
18、
19、进一步地，所述步骤s4溺水判别中每个单一个体的状态序列通过一个长度为l的滑动窗口沿时间方向选取部分状态向量，状态向量首先会经过一个位移判据，如果再选择的状态序列表征中人体的位置有较大的变化则判断为"正常"，否则进入下一个状态判断，该判断主要读取状态向量中关于人体状态识别的部分，如果再选择窗口中存在多帧的危险状态，则判断为"溺水"状态，当一次判断完成后，滑动窗口会滑向下一帧的状态向量，进行新一轮的检测，其中l为可调节参数，代表本算法在时间上的感受野。
20、一种溺水识别预警系统，包括上述任一所述的一种溺水识别预警方法。
21、进一步地，包括：
22、图像采集系统，所述图像采集系统通过一个或多个图像捕捉装置矩阵来监控较大范围的水域区域，每个图像捕捉装置都有其唯一编号并且与位置绑定，并将采集图像数据和对应位置信息传递给计算与算法系统，这样可以方便搜救人员快速精确地定位到溺水者所在的位置，并且可以根据现场图像调整搜救策略；
23、计算与算法系统，所述计算与算法系统包括硬件与软件，硬件包括高性能计算设备和存储设备，所述高性能计算设备实时处理并分析从图像采集系统传来的图像数据，并将图像数据传给存储设备，所述存储设备将图像数据记录保存下来，以便事后复查和评估；所述软件包括溺水识别预警系统的算法，利用长时序状态序列和神经网络来判断水域中的人员是否处于溺水状态，并且给出相应的置信度；
24、警报系统，所述警报系统负责在计算与算法系统检测到溺水者后立即发出警报，并且将溺水者的位置信息、地图信息和实时实地图像信息传输给搜救人员，使搜救人员能够及时到达现场并组织高效的救援。
25、进一步地，所述图像捕捉装置包括高清摄像头，所述图像捕捉装置通过通信模块将采集图像数据和对应位置信息实时传递给计算与算法系统。
26、与现有技术相比，本专利技术的有益效果是：
27、(1)本专利技术不同于以往的传统本文档来自技高网...
【技术保护点】
1.一种溺水识别预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种溺水识别预警方法，其特征在于，还包括步骤：S5状态序列留存判断：更新完成后每个ID对应的状态序列都会经过一次状态序列的留存判断,若判断当前人员没有溺水的风险则会清除对应ID的状态序列。
3.根据权利要求1所述的一种溺水识别预警方法，其特征在于，所述状态编码网络分为视觉编码支路、位置信息编码支路两个编码支路，采用Early fusion的方式来融合这两个支路提取的特征信息。
4.根据权利要求3所述的一种溺水识别预警方法，其特征在于，所述状态编码网络包括以下步骤：
5.根据权利要求4所述的一种溺水识别预警方法，其特征在于，所述编码器一、编码器二和编码器三都由多个残差快堆叠而成。
6.根据权利要求1所述的一种溺水识别预警方法，其特征在于，所述状态编码网络通过端到端的方式优化：通过如下交叉熵函数约束，假设状态类别总数为N，状态类别向量为Y，其中yi表示第i个状态类别的预测概率，对于每个样本，还有一个对应的真实状态类别标签向量T，其中ti是一个二进制
7.根据权利要求1所述的一种溺水识别预警方法，其特征在于，所述步骤S4溺水判别中每个单一个体的状态序列通过一个长度为L的滑动窗口沿时间方向选取部分状态向量，状态向量首先会经过一个位移判据，如果再选择的状态序列表征中人体的位置有较大的变化则判断为"正常"，否则进入下一个状态判断，该判断主要读取状态向量中关于人体状态识别的部分，如果再选择窗口中存在多帧的危险状态，则判断为"溺水"状态，当一次判断完成后，滑动窗口会滑向下一帧的状态向量，进行新一轮的检测，其中L为可调节参数，代表本算法在时间上的感受野。
8.一种溺水识别预警系统，其特征在于，包括权利要求1-7任一所述的一种溺水识别预警方法。
9.根据权利要求8所述的一种溺水识别预警系统，其特征在于，包括：
10.根据权利要求8所述的一种溺水识别预警系统，其特征在于，所述图像捕捉装置包括高清摄像头，所述图像捕捉装置通过通信模块将采集图像数据和对应位置信息实时传递给计算与算法系统。
...【技术特征摘要】
1.一种溺水识别预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种溺水识别预警方法，其特征在于，还包括步骤：s5状态序列留存判断：更新完成后每个id对应的状态序列都会经过一次状态序列的留存判断,若判断当前人员没有溺水的风险则会清除对应id的状态序列。
3.根据权利要求1所述的一种溺水识别预警方法，其特征在于，所述状态编码网络分为视觉编码支路、位置信息编码支路两个编码支路，采用early fusion的方式来融合这两个支路提取的特征信息。
4.根据权利要求3所述的一种溺水识别预警方法，其特征在于，所述状态编码网络包括以下步骤：
5.根据权利要求4所述的一种溺水识别预警方法，其特征在于，所述编码器一、编码器二和编码器三都由多个残差快堆叠而成。
6.根据权利要求1所述的一种溺水识别预警方法，其特征在于，所述状态编码网络通过端到端的方式优化：通过如下交叉熵函数约束，假设状态类别总数为n，状态类别向量为y，其中yi表示第i个状态类别的预测概率，对于每个样本，还有一个对应的真实状态类别标签向量t，其中t...
【专利技术属性】
技术研发人员：文豪，文比强，
申请(专利权)人：湖南高精特电装备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。