[发明专利]一种基于机器视觉的溺水行为在线识别方法

说明书

本发明公开了一种基于机器视觉的溺水行为在线识别方法。包括：采集图像；预处理；图像传输：将预处理后的图像将通过无线网络传输至云服务器；离线训练OpenPose：云服务器基于轻量级加速OpenPose，离线训练适用于提取水中人体关键点的模型；离线训练分类器：提取的人体关键点后，再训练基于神经网络的二分类器，用于判断人员是否溺水；服务器在线监测：云服务器在线运行改进的轻量级加速OpenPose用于提取图像中人体关键点，并对关键点进行溺水判断、计算危险程度、输出报警信息。本发明能够被使用在水上小型机器人、水上固定摄像机或者水下固定摄像机上，用于识别游泳者的实时姿态，对溺水可疑姿态进行甄别和预警，在泳池和海边等处辅助救生员识别溺水的作用。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种基于机器视觉的溺水行为在线识别方法。

背景技术

随着信息化、网络化的快速发展，视频监控系统已经逐渐在泳池使用起来，能够通过视频来监控到泳池现场，并且能够得到实时连续的视频画面，这为管理人员提供了很大的帮助。但遗憾的是，这种视频监控系统的模式还是只停留在传统的模式上，没有对泳池画面进行必要的智能分析，完全是凭“人眼”或“个人经验”，这样不但会大大降低监控效果，而且也增加了管理人员的监控工作强度。在智能视频分析技术日趋成熟，但在泳池的监控系统上，亟需对监控视域内的溺水事件进行识别、判断、报警，为泳池内人员的安全提供有力的监控管理支持。

发明内容

本发明提供了一种基于机器视觉的溺水行为在线识别方法，可利用现有监控系统或安装在水上机器人的相机，结合云服务器计算，利用加速的轻量级OpenPose识别图像中人体的姿态，通过卷积神经网络分类器来判断是否发生了溺水行为，从而发出警报以便救援人员及时感知所发生的溺水事件，及时拯救生命。

一种基于机器视觉的溺水行为在线识别方法，包含以下步骤：

1.1采集图像：使用高精度广角防水摄像头在水面上采集溺水事件高发水域的实时图像；

1.2预处理：使用摄像头搭载的信息处理单元对获取的图像数据进行图像预处理操作，使得图像对比度增强，并实现简单去噪、减少占用空间，从而易于图像数据传输和服务器端后续处理；

1.3图像传输：将预处理后的图像将通过无线网络传输至云服务器；

1.4离线训练OpenPose：云服务器基于轻量级加速OpenPose，离线训练适用于提取水中人体关键点的模型；

1.5离线训练分类器：提取的人体关键点后，再训练基于神经网络的二分类器，用于判断人员是否溺水；

1.6服务器在线监测：云服务器在线运行改进的轻量级加速OpenPose用于提取图像中人体关键点，并对关键点进行溺水判断、计算危险程度、输出报警信息。

所述步骤（4）中的离线训练适用于提取水中人体关键点的轻量级加速OpenPose，包括以下步骤：

2.1采集多个环境下的游泳人员的图像数据，形成训练数据集；

2.2.训练加速卷积神经网络，输入为数据集中的图像信息，输出为关键点坐标，采用反向传播方法更新权值，损失函数采用训练结果和真实结果的二范数；

2.3重复步骤2.2直至误差小于或等于一定阈值，或达到最大训练次数停止训练，最终保存权重文件。

所述步骤2.2训练加速卷积神经网络方法为：使用深度可分离卷积神经网络来消除输出通道数量和内核大小之间的相互作用，深度可分离卷积神经网络由深度卷积和逐点卷积组成，深度卷积为每个输入通道应用单个滤波器；逐点卷积用来创建深度层输出的线性组合，此外，两个卷积过程均采用ReLU非线性激活函数且均进行批量规范化。

所述步骤（5）中的离线训练基于神经网络的二分类器，包括以下步骤：