[发明专利]一种基于图像识别的海滩人员危险性预警方法

说明书

本发明公开了一种基于图像识别的海滩人员危险性预警方法，包括：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；根据识别结果，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；若画面中没人，则继续保持监测；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；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，判断是否发出预警。本发明可以实时监测海滩近岸区域人员安全情况，并发出警报，且方法简单，智能化水平高，可操作性强，可有效保障海滩近岸人员的安全。

技术领域

本发明属于海洋安全预警领域，具体涉及一种基于图像识别的海滩人员危险性预警方法。

背景技术

海滩近岸区域通常是公众喜爱的休闲场所，滩涂资源也具备较大的科研价值，其附近经常停留有游客或科研人员，但往往因人员安全意识薄弱、近海水文状况复杂以及海滩基础设施落后等因素频发溺水事故，存在极大的安全隐患。而国内外目前缺乏有效的监督、预警措施保障海滩近岸人员的安全，相关研究数量也较少且成果尚不成熟。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于图像识别的海滩人员危险性预警方法，具有廉价、智能化、易于推广等特点，实现对海滩近岸人员位置的实时监测以及预警，对保障人员安全具有重大意义。

技术方案：为实现上述目的，本发明提供一种基于图像识别的海滩人员危险性预警方法，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。

进一步地，所述步骤S1中人员位置及其特征由影像资料确定。预先率定摄像头，根据摄像头采集的坐标点，对应的可以确定图像中人员的位置坐标；根据图像的灰度，可以确定人员的特征。

进一步地，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。

进一步地，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。