一种智能异常检测紧急救援方法、装置和系统制造方法及图纸

本发明专利技术涉及智能自救技术领域，公开了一种智能异常检测紧急救援方法、装置和系统，所述方法包括：预先建库，实时采集人体生命参数数据、现场视频图像序列；实时处理生命参数数据和现场视频图像序列；判断人体是否处于溺水紧急情况；根据判断结果处理器发出控制指令；接收处理器发出的控制指令或者后台授权管理人员发出的指令打开可拆卸连接在人体上的紧急救助装置，用于保证人体漂浮在水面上，同时发出报警信号；本发明专利技术可自动识别，多重控制，在游泳者出现溺水实施自救时发挥重要作用，使得游泳者可放心游，同时具有较高的实用价值和广泛的应用前景。

【技术实现步骤摘要】
一种智能异常检测紧急救援方法、装置和系统
本专利技术涉及智能自救
，具体涉及一种智能异常检测紧急救援方法。
技术介绍
随着经济的发展和社会的进步，人们的生活水平和质量越来越高，对文体活动的需求也逐步增加，很多人逐步认识到运动的重要性，其中游泳作为一项普及很广的项目逐渐与人们的生活联系起来。通过游泳可以增强体质、改变精神状态，也可实现一定的康复训练。在游泳馆学习游泳，或者到野外江河湖海中去游泳都是不错的选择。但在下水游泳的过程中不可避免地容易出现一些溺水情况的发生，若发现不及时可能还会溺亡。现有的防溺水措施，是通过携带一些游泳圈或漂浮袋来作为溺水应急手段，但是佩戴上述设施在游泳过程中使得游泳者放不开手脚，效果不尽如人意。如何保障儿童游泳安全，如何加强游泳馆的保障机制是一个普遍的社会热门话题。目前的整体解决方案和技术存在以下几点核心问题：不适应人多密集水域：例如，采用水下红外探测并判断遮挡物的静止时间的设计不适用于人多密集的水域，不适应在大批量人员同步一体化智能监管；误报率高：由于报警算法的问题，SOS报警信号误报率高，造成现场恐慌和不和谐，无形增加救生员的压力和疲劳度。而且，SOS事件发生时的物理反应机制过于原始和单调，不能有效及时发现并处置。针对上述问题，提供一种新型的自救装置，在实现溺水自救的同时不影响人员的正常游泳。
技术实现思路
针对现有技术的不足，本专利技术提供一种智能异常检测紧急救援方法，用解决
技术介绍
中的问题。本专利技术解决技术问题采用如下技术方案：本专利技术提供了一种智能异常检测紧急救援方法，包括以下步骤：预先建库，包括：按照年龄分段预先采集不同段位内人体在包括潜泳、自由泳、仰泳、蛙泳在内的游泳行为下的呼吸频率的大小以及变换率、心率大小以及变化率和湿度大小以及变化率正常范围，建立生命数据库；预采集固定单一背景下人体的各种游泳姿势行为的视频序列，采集固定单一背景下人体溺水行为的视频序列，利用卡尔曼滤波算法提取运动人体目标，提取出运动人体运动目标图像，将检测出的运动人体目标图像存储下来，构建训练数据库；利用训练数据库中的图像对贝叶斯分类器和卷积神经网络分别进行训练，得到训练好的贝叶斯分类器和卷积神经网络，所述贝叶斯分类器的建立过程如下：首先对训练数据库中的图像，按照各种游泳姿势行为以及溺水行为类别，分别提取图像的长宽比、图像熵和Hu不变矩三个特征，根据行为图像特征值的条件概率分布，建立贝叶斯分类器，利用贝叶斯公式实现异常行为的分类识别；实时采集人体生命参数数据、现场视频图像序列；实时处理生命参数数据和现场视频图像序列；判断人体是否处于溺水紧急情况；根据判断结果处理器发出控制指令；接收处理器发出的控制指令或者后台授权管理人员发出的指令打开可拆卸连接在人体上的紧急救助装置，用于保证人体漂浮在水面上；同时发出报警信号：将人员信息发送至救护工作平台，打开设置在紧急救助装置上的灯光报警以及设置在救护工作平台上的语音警报。优选地，所述实时处理现场视频图像包括以下步骤：对现场实时采集到的视频图像序列，首先采用改进的帧差分快速检测运动目标，然后在运动目标区域进行人体分析，具体是先基于目标的形状特征快速筛选出疑似人体目标，然后仅针对疑似人体目标区域提取HOG特征，采用Adaboost方法进行分类，确定疑似人体目标区域是否包含人体，然后将提取出的运动人体图像分别输入训练好的贝叶斯分类器和训练好的卷积神经网络，对提取出的每一张图片分别进行贝叶斯分类器异常行为分类识别和卷积神经网络异常行为分类识别，分别获得测试结果；当检测到异常行为时，对两种测试结果进行综合判定，两种分类识别结果一致时，直接输出识别结果；当一种分类识别检测出有异常，另一种分类识别检测无异常时，给出“可能有异常”的预警，继续检测下一帧图像；当两种分类识别都检测出有异常，但检测类别不相同时，给出“存在异常，类别不定”预警，继续检测下一帧图像，直至输出识别结果。优选地，所述人体生命参数数据包括心率、呼吸频率；所述呼吸频率包括设置在胸腔表面的呼吸频率传感器以及设置在人体鼻腔内部浸水传感器。优选地，所述实时处理生命参数数据，包括：计算呼吸频率的大小以及变换率；计算心率大小以及变化率；计算湿度变化率和湿度大小。优选地，所述判断人体是否处于溺水紧急情况包括：将采集的呼吸频率的大小以及变换率、心率大小以及变化率、湿度变化率以及湿度大小与生命数据库进行对比，若六个数据中至少4个超过正常范围则判断处于溺水紧急情况；若现场视频图像检测结果为有异常，则六个数据中至少有两个超过正常范围则判断处于溺水紧急情况。优选地，所述紧急救助装置包括与人体的可拆卸连接部件和受控充气部件。本专利技术还提供一种智能异常检测紧急救援装置，包括：预处理模块，用于预先建库，包括：按照年龄分段预先采集不同段位内人体在包括潜泳、自由泳、仰泳、蛙泳在内的游泳行为下的呼吸频率的大小以及变换率、心率大小以及变化率和湿度大小以及变化率正常范围，建立生命数据库；预采集固定单一背景下人体的各种游泳姿势行为的视频序列，采集固定单一背景下人体溺水行为的视频序列，利用卡尔曼滤波算法提取运动人体目标，提取出运动人体运动目标图像，将检测出的运动人体目标图像存储下来，构建训练数据库；利用训练数据库中的图像对贝叶斯分类器和卷积神经网络分别进行训练，得到训练好的贝叶斯分类器和卷积神经网络，所述贝叶斯分类器的建立过程如下：首先对训练数据库中的图像，按照各种游泳姿势行为以及溺水行为类别，分别提取图像的长宽比、图像熵和Hu不变矩三个特征，根据行为图像特征值的条件概率分布，建立贝叶斯分类器，利用贝叶斯公式实现异常行为的分类识别；数据采集模块，用于实时采集人体生命参数数据、现场视频图像序列；数据处理模块，用于实时处理生命参数数据和现场视频图像序列；控制器模块，用于判断人体是否处于溺水紧急情况，并根据判断结果发出控制指令；执行模块，用于接收处理器发出的控制指令或者后台授权管理人员发出的指令打开可拆卸连接在人体上的紧急救助装置，用于保证人体漂浮在水面上，同时发出报警信号，将人员信息发送至救护工作平台，打开设置在紧急救助装置上的灯光报警以及设置在救护工作平台上的语音警报。优选地，所述控制器模块还包括戴在手臂上的电子环，该电子环与控制模块无线连接，电子环设有手动指令控制按钮。本专利技术还提供一种智能异常检测紧急救援系统，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；智能异常检测紧急救援装置；当所述一个或多个程序被所述一个或多个处理器执行时，使得智能异常检测紧急救援装置配合所述一个或多个处理器实现如前述的智能异常检测紧急救援方法。本专利技术还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如前述的智能异常检本文档来自技高网...

【技术保护点】
1.一种智能异常检测紧急救援方法，其特征在于，包括以下步骤：/n预先建库，包括：/n按照年龄分段预先采集不同段位内人体在包括潜泳、自由泳、仰泳、蛙泳在内的游泳行为下的呼吸频率的大小以及变换率、心率大小以及变化率和湿度大小以及变化率正常范围，建立生命数据库；/n预采集固定单一背景下人体的各种游泳姿势行为的视频序列，采集固定单一背景下人体溺水行为的视频序列，利用卡尔曼滤波算法提取运动人体目标，提取出运动人体运动目标图像，将检测出的运动人体目标图像存储下来，构建训练数据库；/n利用训练数据库中的图像对贝叶斯分类器和卷积神经网络分别进行训练，得到训练好的贝叶斯分类器和卷积神经网络，所述贝叶斯分类器的建立过程如下：首先对训练数据库中的图像，按照各种游泳姿势行为以及溺水行为类别，分别提取图像的长宽比、图像熵和Hu不变矩三个特征，根据行为图像特征值的条件概率分布，建立贝叶斯分类器，利用贝叶斯公式实现异常行为的分类识别；/n实时采集人体生命参数数据、现场视频图像序列；/n实时处理生命参数数据和现场视频图像序列；/n判断人体是否处于溺水紧急情况；/n根据判断结果处理器发出控制指令；/n接收处理器发出的控制指令或者后台授权管理人员发出的指令打开可拆卸连接在人体上的紧急救助装置，用于保证人体漂浮在水面上；/n同时发出报警信号：将人员信息发送至救护工作平台，打开设置在紧急救助装置上的灯光报警以及设置在救护工作平台上的语音警报。/n...

【技术特征摘要】
1.一种智能异常检测紧急救援方法，其特征在于，包括以下步骤：
预先建库，包括：
按照年龄分段预先采集不同段位内人体在包括潜泳、自由泳、仰泳、蛙泳在内的游泳行为下的呼吸频率的大小以及变换率、心率大小以及变化率和湿度大小以及变化率正常范围，建立生命数据库；
预采集固定单一背景下人体的各种游泳姿势行为的视频序列，采集固定单一背景下人体溺水行为的视频序列，利用卡尔曼滤波算法提取运动人体目标，提取出运动人体运动目标图像，将检测出的运动人体目标图像存储下来，构建训练数据库；
利用训练数据库中的图像对贝叶斯分类器和卷积神经网络分别进行训练，得到训练好的贝叶斯分类器和卷积神经网络，所述贝叶斯分类器的建立过程如下：首先对训练数据库中的图像，按照各种游泳姿势行为以及溺水行为类别，分别提取图像的长宽比、图像熵和Hu不变矩三个特征，根据行为图像特征值的条件概率分布，建立贝叶斯分类器，利用贝叶斯公式实现异常行为的分类识别；
实时采集人体生命参数数据、现场视频图像序列；
实时处理生命参数数据和现场视频图像序列；
判断人体是否处于溺水紧急情况；
根据判断结果处理器发出控制指令；
接收处理器发出的控制指令或者后台授权管理人员发出的指令打开可拆卸连接在人体上的紧急救助装置，用于保证人体漂浮在水面上；
同时发出报警信号：将人员信息发送至救护工作平台，打开设置在紧急救助装置上的灯光报警以及设置在救护工作平台上的语音警报。


2.根据权利要求1所述的一种智能异常检测紧急救援方法，其特征在于，所述实时处理现场视频图像包括以下步骤：
对现场实时采集到的视频图像序列，首先采用改进的帧差分快速检测运动目标，然后在运动目标区域进行人体分析，具体是先基于目标的形状特征快速筛选出疑似人体目标，然后仅针对疑似人体目标区域提取HOG特征，采用Adaboost方法进行分类，确定疑似人体目标区域是否包含人体，然后将提取出的运动人体图像分别输入训练好的贝叶斯分类器和训练好的卷积神经网络，对提取出的每一张图片分别进行贝叶斯分类器异常行为分类识别和卷积神经网络异常行为分类识别，分别获得测试结果；当检测到异常行为时，对两种测试结果进行综合判定，两种分类识别结果一致时，直接输出识别结果；当一种分类识别检测出有异常，另一种分类识别检测无异常时，给出“可能有异常”的预警，继续检测下一帧图像；当两种分类识别都检测出有异常，但检测类别不相同时，给出“存在异常，类别不定”预警，继续检测下一帧图像，直至输出识别结果。


3.根据权利要求1所述的一种智能异常检测紧急救援方法，其特征在于，所述人体生命参数数据包括心率、呼吸频率；
所述呼吸频率包括设置在胸腔表面的呼吸频率传感器以及设置在人体鼻腔内部浸水传感器。


4.根据权利要求1所述的一种智能异常检测紧急救援方法，其特征在于，所述实时处理生命参数数据，包括：
计算呼吸频率的大小以及变换率；
计算心率大小以及变化率；
计算湿度变...

【专利技术属性】
技术研发人员：易乐乐，邓少永，殷伟康，
申请(专利权)人：合肥利元杰信息科技有限公司，
类型：发明
国别省市：安徽;34