[发明专利]一种基于视频的游泳池溺水事件检测方法

摘要

本发明公开了一种基于视频的游泳池溺水事件检测方法，利用安装在水面上方的摄像头实时采集游泳池的视频图像序列，主要包括游泳者检测、游泳者跟踪及溺水行为分析三个步骤。在游泳者检测方面，提出了一种改进的Vibe泳池游泳者检测算法，并利用该算法确定游泳者的位置；在游泳者跟踪方面，采用基于颜色分布模型的粒子滤波器结合最近邻数据关联算法来实现对多个游泳者的跟踪；在溺水行为分析方面，提出了三种溺水行为特征来判断游泳者是否溺水。本发明能够在现实公共游泳场所通过安装在水面上方的摄像头对游泳池进行实时监控，自动检测发现溺水者，具有很大的工程应用价值。

主权项

1.一种基于视频的游泳池溺水事件检测方法，其特征是：包括以下步骤：(1)游泳者检测：对采样的游泳池视频帧逐个像素进行中值滤波得到一张含有少量前景的背景图像，并用此图像初始化Vibe的背景模型；在游泳者检测方面，根据游泳者目标的特点，对Vibe算法得到的二值图像进行特定处理，从而确定游泳者的位置；具体如下：①.将一定时间间隔Δt的视频帧序列集合采用中值滤波的方法，获得一张含有较少前景的背景图像B：B＝{z_i,j|i＝1,...N₁,j＝1,...,N₂}，所采集视频帧图像的大小为N₁×N₂；式中其中为第t帧图像位于(i,j)的RGB颜色向量；②.将背景图像B由RGB颜色空间转换到HSV颜色空间，采用Vibe背景建模的方法，利用背景图像B对其背景模型快速初始化；③.将当前帧由RGB颜色空间转换到HSV颜色空间，对当前帧，根据其背景模型对当前帧中的每个空间位置的像素进行分类，判断其属于前景还是背景，得到二值图像；如果为背景像素点，则更新该点的背景模型；④.由于检测到的前景中仍含有非游泳者像素点，为了更好的对游泳者进行定位，将Vibe检测算法得到的二值图像，进行连通域分析和形态学后处理，得到新的二值图像；对新得到的二值图像，采用Canny算子进行边缘检测，提取边缘信息，同时找到前景像素块即游泳者的外接矩形；分别计算每个外接矩形的面积R及其内包含的前景像素点的个数C；如果一个外接矩形的面积R大于设定的阈值Q且前景像素点个数C占该外接矩形面积的比值大于设定的阈值P，则确定为游泳者，保留该外接矩形的大小与位置信息，否则，舍弃；(2)在游泳者跟踪方面，采用基于颜色分布模型的粒子滤波器结合最近邻数据关联算法来实现对多个游泳者的跟踪；Ⅰ.开始跟踪，根据前景检测的结果确定游泳者的位置，为每个游泳者建立其跟踪目标模型，并对其粒子进行初始化，将其加入跟踪记录；Ⅱ.在下一帧，对跟踪记录中的每一个游泳者利用其粒子滤波器对其进行估计，预测出该游泳者的位置；Ⅲ.对粒子滤波器的估计位置与当前帧检测到的观测位置建立关联矩阵，判断其是否相匹配；若估计位置没有匹配成功，则判断该目标暂时消失；若目标位于摄像头的边界区域，连续出现暂时消失帧数D＞T_d则判断该目标处于离开状态，将目标从跟踪记录中移除；若目标不位于摄像头的边界区域，连续出现暂时消失帧数D＞T_d，则判断该目标处于丢失状态，则保存游泳者在跟踪记录中最后一次记录的位置；若观测位置没有匹配成功，则判断为新出现的目标，为该游泳者建立跟踪目标模型，并对其粒子进行初始化，将其加入跟踪记录；若观测位置匹配成功，更新跟踪记录并更新该跟踪目标模型；(3)在溺水行为分析方面，假设了三种溺水行为特征来判断游泳者是否溺水，具体如下：a.游泳者的速度；游泳者的速度可以用其外接矩形的中心在一定间隔n帧的位移来表示；其速度计算公式如下：其中，是游泳者c在第t帧的运动速度，是某t帧游泳者c的中心坐标，是t‑n帧游泳者c轮廓的中心坐标；当游泳者c运动缓慢，T_v为设定的阈值，且超过一定的时间T_t，则判断该游泳者可能处于溺水状态；b.饱和度S分量值；由于人体的肤色相对于游泳池背景S分量值较小，当人处于溺水状态，沉入水中即离水面的距离越来越远时，原人体肤色因受到池水的影响，S分量值也变大；因此，可以提取游泳者c区域饱和度的分量将其与该游泳者运动过程中饱和度的最小值做比较，如果大于某一阈值T_s，则判断该游泳者可能处于溺水状态；c.丢失；假设游泳者不处于摄像头的边界区域，如果该游泳者深入水底，针对步骤(1)中采样得到的视频，步骤(1)所述方法可能无法检测到该游泳者，若目标不位于摄像头的边界区域，连续出现暂时消失帧数D＞T_d，则判断该目标处于丢失状态，该游泳者可能处于溺水状态；三种溺水特征的关系如下：(i)如果某游泳者同时满足溺水特征a、b，则判断该游泳者处于溺水状态；(ii)如果某游泳者符合溺水特征c，则判断该游泳者处于溺水状态。