一种基于监控视频的游泳馆深水区早期危险行为检测方法技术

本发明专利技术提供一种基于监控视频的游泳馆深水区早期危险行为检测方法，能够利用监控视频，实现游泳馆深水区早期危险行为检测及报警。所述方法包括：实时采集游泳者在游泳池中的视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于直立状态，若是处于直立状态，则报警。本发明专利技术涉及监控领域。

An early dangerous behavior detection method in deep water area of natatorium based on surveillance video

【技术实现步骤摘要】
一种基于监控视频的游泳馆深水区早期危险行为检测方法
本专利技术涉及监控领域，特别是指一种基于监控视频的游泳馆深水区早期危险行为检测方法。
技术介绍
随着人们健身意识的增强，越来越多的人开始选择游泳这项运动，室内游泳馆的数量日益剧增。虽然许多国家对于游泳馆都有一定的严格要求，比如必须配备一定数量的救生员，泳池的坡度以及深度都有严格的标准，但是在室内游泳馆内出现溺水意外死亡的情况却时常发生。许多溺水者溺水时没有明显的挣扎和求救的动作，导致救生员没有发现溺水者，错过最好的救援时间。在室内游泳馆中，泳池一般分为两种：深水区与浅水区。深水区水深较深，游泳者无法站立在水中、双腿伸直的状态(踩水)只能保持瞬间、踩水时仅头部露出水面(肩部少)；浅水区的水深较浅，游泳者可以直接站立在泳池中，一般嬉水人数较多，游泳者不一定会游泳，站立时肩背部可露出水面，深水区与浅水区的数据有较大的差异。救生员在判断游泳者是否发生溺水行为的主要方法还是根据自己的救援经验来判断的，人发生溺水的主要特征并非像影视剧中显示的那样，大声呼救以及挣扎，而是睁着眼睛、眼神呆滞、站立在水中或者是水里垂直爬梯形状、双臂伸向两侧或向前。由于大多数溺水者不会呼救且无法挥手，所以当泳池内游泳人数过多的时候，救生员可能无法及时发现早期溺水者，而当溺水者身体下沉时已经属于溺水后期，极有可能错过救援的最佳时机。救生员无法时时刻刻关注每一位游泳者，但是监控视频可以做到。随着智能监控以及视频理解的发展，可以采用监控视频进行目标的检测、跟踪以及复杂行为的判断，因此使用游泳馆内的监控视频来协助救生员进行早期的溺水危险行为判断，抓住救援的最佳时机，减少意外的发生具有重要意义。
技术实现思路
本专利技术要解决的技术问题是提供一种基于监控视频的游泳馆深水区早期危险行为检测方法，以解决现有技术所存在的如何利用监控视频，实现游泳馆深水区早期危险行为检测及报警的问题。为解决上述技术问题，本专利技术实施例提供一种基于监控视频的游泳馆深水区早期危险行为检测方法，包括：实时采集游泳者在游泳池中的视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于直立状态，若是处于直立状态，则报警。进一步地，在采集游泳者的视频，根据采集到的视频对游泳者头部进行检测，得到游泳者头部的检测框之前，所述方法还包括：获取游泳者在游泳池中的图片构成训练集，其中，图片中的游泳者头部已被标注出；利用获取的训练集对yolov3深度学习网络进行训练，得到游泳者头部检测模块，其中，所述游泳者头部检测模块用于对游泳者头部进行检测，得到游泳者头部检测框。进一步地，所述对视频中的游泳者进行游泳者头部检测还包括：若预设时间段内未检测到头部检测框，则报警。进一步地，所述根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态判断游泳者是否处于正常游动状态包括：根据目标游泳者在视频前n帧的游动情况，确定用于判断检测框面积交并比的初始间隔帧数t；在n帧之后的图像中，判断间隔t帧的2幅图像中的检测框的面积交并比比值是否在预设的正常范围内，若是，则处于正常游动状态。进一步地，所述根据目标游泳者在视频前n帧的游动情况，确定用于判断检测框面积交并比的初始间隔帧数t包括：S1，获取目标游泳者视频的前n帧图像；S2，根据获取的目标游泳者视频的前n帧图像，确定第一个与第0帧图像f0无重叠检测框的图像则第t0帧图像对应的间隔帧数t＝t0；S3，分别计算第t0+1帧图像检测框与第0帧图像f0、第1帧图像f1、第2帧图像f2检测框的面积交并比取交并比比值最小的检测框对应的帧更新第t0+1帧图像对应的间隔帧数其中，i＝t0+1-t-1，t0+1-t，t0+1-t+1；S4，按照S3的操作，更新下一帧图像对应的间隔帧数其中，i＝t0+2-t-1，t0+2-t，t0+2-t+1，并按照S3的操作，依次更新对应的间隔帧数，将图像fn对应的间隔帧数作为用于判断检测框面积交并比的初始间隔帧数t；其中，图像fn对应的间隔帧数其中，i＝n-t-1，n-t，n-t+1。进一步地，所述判断间隔t帧的2幅图像中的检测框的面积交并比比值是否在预设的正常范围内包括：根据确定的初始间隔帧数t，确定第a帧图像fa与第a-t帧图像fa-t的检测框面积交并比比值是否在预设的正常范围内，若是，则处于正常游动状态，并通过公式i＝a-t-1,a-t,a-t+1修正fa帧时的间隔帧数，其中，a>n。进一步地，所述利用游泳者的头身比判断游泳者是否处于直立状态，若是处于直立状态，则报警包括：判断游泳者的头身比是否超过预设的报警阈值，若超过，则判定游泳者处于直立状态，进行报警。本专利技术的上述技术方案的有益效果如下：上述方案中，通过采集到的游泳者在游泳池中的监控视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于险的直立状态，若是处于直立状态，则报警。这样，通过对泳池内的游泳者的早期危险行为进行判断，从而实现游泳馆深水区早期危险行为的检测及报警，为救生员提供可靠的救援信息。附图说明图1为本专利技术实施例提供的基于监控视频的游泳馆深水区早期危险行为检测方法的流程示意图；图2为本专利技术实施例提供的游泳者头部检测结果示意图；图3为本专利技术实施例提供的前100帧的帧间隔数更新情况示意图；图4为本专利技术实施例提供的前100帧根据相应的帧间隔数对应的检测框交并比比值变化曲线示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。如图1所示，本专利技术实施例提供的基于监控视频的游泳馆深水区早期危险行为检测方法，包括：S101，实时采集游泳者在游泳池中的视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；S102，根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；S103，若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于直立状态，若是处于直立状态，则报警。本专利技术实施例所述的基于监控视频的游泳馆深水区早期危险行为检测方法，通过采集到的游泳者在游泳池中的监控视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于险的直立状态，若是处于直立状态，则报警。这样，通过对泳池内的游泳者的早期危险行为进行判断，从而实现游泳馆深水区早期危险行为的检测及报警，为救生员本文档来自技高网...

【技术保护点】
1.一种基于监控视频的游泳馆深水区早期危险行为检测方法，其特征在于，包括：/n实时采集游泳者在游泳池中的视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；/n根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；/n若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于直立状态，若是处于直立状态，则报警。/n

【技术特征摘要】
1.一种基于监控视频的游泳馆深水区早期危险行为检测方法，其特征在于，包括：
实时采集游泳者在游泳池中的视频，对视频中的游泳者进行游泳者头部检测，得到游泳者头部检测框；
根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态；
若不是处于正常游动状态，则利用游泳者的头身比判断游泳者是否处于直立状态，若是处于直立状态，则报警。


2.根据权利要求1所述的基于监控视频的游泳馆深水区早期危险行为检测方法，其特征在于，在采集游泳者的视频，根据采集到的视频对游泳者头部进行检测，得到游泳者头部的检测框之前，所述方法还包括：
获取游泳者在游泳池中的图片构成训练集，其中，图片中的游泳者头部已被标注出；
利用获取的训练集对yolov3深度学习网络进行训练，得到游泳者头部检测模块，其中，所述游泳者头部检测模块用于对游泳者头部进行检测，得到游泳者头部检测框。


3.根据权利要求1所述的基于监控视频的游泳馆深水区早期危险行为检测方法，其特征在于，所述对视频中的游泳者进行游泳者头部检测还包括：
若预设时间段内未检测到头部检测框，则报警。


4.根据权利要求1所述的基于监控视频的游泳馆深水区早期危险行为检测方法，其特征在于，所述根据游泳者头部检测框的时序位置变化判断游泳者是否处于正常游动状态判断游泳者是否处于正常游动状态包括：
根据目标游泳者在视频前n帧的游动情况，确定用于判断检测框面积交并比的初始间隔帧数t；
在n帧之后的图像中，判断间隔t帧的2幅图像中的检测框的面积交并比比值是否在预设的正常范围内，若是，则处于正常游动状态。


5.根据权利要求4所述的基于监控视频的游泳馆深水区早期危险行为检测方法，...

【专利技术属性】
技术研发人员：王璠，张卫冬，艾轶博，张英杰，王月，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11