结合Alphapose和YOLOv5s模型的人体溺水检测方法技术

本发明专利技术涉及结合Alphapose和YOLOv5s模型的人体溺水检测方法，包括：拍摄得到水中人体的图像；利用改进的YOLOv5s模型对图像进行人体目标检测，得到人体定位框；采用改进的Alphapose模型识别人体定位框中的人体姿态，得到骨骼关键点并确定其坐标；根据人体骨骼关键点坐标，计算得到人体体态特征，判断是否出现溺水现象。本发明专利技术采集水中人体的图像后进行人体目标检测，得到人体定位框后，利用Alphapose模型识别人体定位框中的人体姿态，得到骨骼关键点并确定其坐标后，计算得到人体体态特征，实现人员溺水现象的实时判断，溺水检测准确率高，抗干扰能力强。抗干扰能力强。抗干扰能力强。

【技术实现步骤摘要】
结合Alphapose和YOLOv5s模型的人体溺水检测方法


[0001]本专利技术属于水上救生领域，具体涉及一种结合Alphapose和YOLOv5s模型的人体溺水检测方法。

技术介绍

[0002]每年全球大多数地区会遭受台风、暴雨等自然灾害的破坏，破坏房屋建筑的同时也带来洪灾，洪灾中对溺水者展开救援是极其困难的，水下救援将耗费大量人力、物力，同时溺水也是世界范围内非故意伤害死亡原因之一，为保障生命安全，急需能够从水下检测识别溺水现象并对溺水人员展开救援的机器。
[0003]现有的溺水检测模型在不同场景下速率低、应用窄。2021年第01期《传感器与微系统》刊登的彭婷等的论文“基于改进Mask R
‑
CNN的泳池溺水行为检测系统设计”使用基于传统的 Mask R
‑
CNN算法进行卷积主干的优化，对游泳者进行人体边缘检测，虽能检测出溺水现象，但检测速率仅有5FPS。而基于人体动作与骨骼关键点的溺水检测并不常见，因为通常的摄像头在水面上方，很难察觉水下的情况。

技术实现思路
r/>[0004]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.结合Alphapose和YOLOv5s模型的人体溺水检测方法，其特征在于，包括以下步骤：步骤1：拍摄得到水中人体的图像；步骤2：利用YOLOv5s模型对图像进行人体目标检测，得到人体定位框；步骤3：采用Alphapose模型识别人体定位框中的人体姿态，得到骨骼关键点并确定其坐标；步骤4：根据人体骨骼关键点坐标，计算得到人体体态特征，判断是否出现溺水现象。2.根据权利要求1所述的结合Alphapose和YOLOv5s模型的人体溺水检测方法，其特征在于，步骤2采用优化的YOLOv5s模型进行人体目标检测，改进的YOLOv5s模型在YOLOv5s模型的基础上，对Backbone网络单元的卷积层和head网络单元的卷积层均增加卷积权重系数，对Backbone网络单元的上采样层和head网络单元的上采样层均增加上采样系数，BottleneckCSP模块数量设置为(3，6，6，3)，将类别数量nc设置为1。3.根据权利要求1所述的结合Alphapose和YOLOv5s模型的人体溺水检测方法，其特征在于，所述人体体态特征包括：1)初级溺水阶段，溺水人员的双脚不停摆动，并且身体上下浮动，脚部位的位置坐标随时间变化；2)深度溺水阶段，人体的中心线与水面平行，并且人体漂浮在水面之上，可通过判断人体关键骨骼点随时间推移有无相对变化，以判断是否为测试溺水阶段。4.根据权利要求2所述的结合Alphapose和YOLOv5s模型的人体溺水检测方法，其特征在于，步骤3对图像中的人体目标进行检测，得到人体骨骼的18个关键点在图像中的坐标。5.根据权利要求4所述的结合Alphapose和YOLOv5s模型的人体溺水检测方法，其特征在于，步骤4具体包括以下子步骤：步骤4.1：分别计算对应人体脚部的骨骼关键点(10)、(13)的线速度V
10
、V
13
，并利用骨骼关键点(11)、(13)的线速度计算得到人体单腿速度V
11
‑
13
；计算人体胸部重心O的线速度V
O
；上述线速度根据连续的M帧图像中具有...

【专利技术属性】
技术研发人员：李雪桐，
申请(专利权)人：三峡大学，
类型：发明
国别省市：