[发明专利]一种基于图像识别的海滩人员危险性预警方法

权利要求书

1.一种基于图像识别的海滩人员危险性预警方法，其特征在于，包括如下步骤：

S1：根据用于实时监控的摄像头传回的视频影像和热成像资料，利用建立好的卷积神经网络模型对画面中的人员进行识别；

S2：根据步骤S1的识别结果，若画面中有人，则提取图像中人员位置信息和身高信息，结合摄像头角度，进一步推求人员的实际位置，实现人员实际位置实时监控，并且进入到步骤S3；若画面中没人，则继续保持监测；

S3：根据潮汐预报资料及当地地形数据，预测未来指定时间内人员所在海滩区域的水深变化情况；

S4：根据预测的水深变化情况，结合人员实际位置，分析画面中人员现所在位置未来指定时间内的风险性程度并评级；

S5：根据评级结果，判断是否发出预警。

2.根据权利要求1所述的一种基于图像识别的海滩人员危险性预警方法，其特征在于，所述步骤S1中卷积神经网络模型的建立方法包括如下步骤：

A1：将摄像头传回的影像资料按设定时间间隔截取画面，转为图像资料；

A2：使用步骤A1获取的图像资料建立数据集；

A3：将数据集随机分为训练集和验证集；

A4：将训练集输入到卷积神经网络中进行训练得到最优卷积神经网络模型；

A5：将验证集输入到训练好的卷积神经网络模型中进行验证，验证通过后，完成卷积神经网络模型的建立。

3.根据权利要求2所述的一种基于图像识别的海滩人员危险性预警方法，其特征在于，所述步骤A4中卷积神经网络的训练方法为：

B1：将训练集数据张量化，并且将张量化数据输入卷积层，提取图像中人的基本特征；

B2：进入最大池化层减少卷积过程产生的预测值偏移，并提取图像中人的具体特征；

B3：全连接层将图像中人的各部分特征汇总；

B4：根据已有汇总特征，判断数字图像中的目标是否为人。

4.根据权利要求1所述的一种基于图像识别的海滩人员危险性预警方法，其特征在于，所述步骤S4中风险性程度的等级划分为高、中、低三个等级，具体为：

若：则风险等级为高；

若：则风险等级为中；

若：则风险等级为低；

其中，S为人员实际身高信息。

5.根据权利要求1所述的一种基于图像识别的海滩人员危险性预警方法，其特征在于，所述步骤S2中设定A代表摄像头，B代表人员所在实际位置，h代表摄像头安装高度，人员的实际位置推求方法为：

C1：提取图像中人员位置信息：

提取B在图像中沿X方向距图像中心点O'的距离x、沿Y方向距图像中心点O'的距离y、图像半宽x'和图像半高y'；

C2：人员实际位置纵坐标推求：

根据图像中人员位置距离图像中心点纵坐标距离y与图像半高之比y'等于实际中两者之比，可得出如下结论：

∵

∴

∵

∴

其中，Y表示人员实际位置纵坐标，α表示摄像头俯仰角，β表示摄像头垂直半视场角；

C3：人员实际位置横坐标推求：

根据图像中人员位置距离图像中心点横坐标距离x与图像半高之比x'等于实际中两者之比，可得出如下结论：

∵

∵

∴

其中，X表示人员实际位置横坐标，γ表示摄像头水平半视场角。

6.根据权利要求1所述的一种基于图像识别的海滩人员危险性预警方法，其特征在于，所述步骤S3中水深变化情况的预测方法为：

由潮汐预报数据可获得未来指定时间监测区域范围内的潮位信息，即各点的水面高程；由地形数据获得各点的陆地高程，用水面高程减去陆地高程得到各点水深：

h_1(X,Y)＝H_1(X,Y)-H_2(X,Y)

其中，h_1(X,Y)表示坐标为(X,Y)处的水深，H_1(X,Y)表示坐标为(X,Y)处的水面高程，H_2(X,Y)表示坐标为(X,Y)处的陆地高程。