[发明专利]基于AI视觉的游泳防溺水识别方法

说明书

本发明涉及基于AI视觉的游泳防溺水识别方法，包括外设组件和AI智能平台，外设组件设有智能相机、专用滤镜、警示灯、扩音喇叭、路由器、深度学习主机、监控屏幕，AI智能平台设有AI智能云平台，AI智能平台设有视频流实时采集模块、AI视频分析模块、行为逻辑判定模块、联动预警模块，本发明设有绿色、黄色、红色三种安全标识，绿色表示安全，黄色表示存在安全隐患，红色表示危险。

技术领域

本发明涉及防止游泳时发生溺水的技术领域，具体涉及基于AI视觉的游泳防溺水识别方法。

背景技术

每年随着夏季的到来，很多人都会选择游泳的方式来躲避炎炎夏日，伴随着游泳的是溺水事故频频发生，尤其是暑假学校放假，中小学生去游泳发生溺水事故现象比较突出。游泳场所虽说都配备了安全员，通过这种靠人工监测来防止溺水，该方法对安全员的要求高，且因为游泳区域的人多，需配备大量的安全员。同时，目前市场有也有部分用于防溺水的器材，其使用效果不尽人意，只能起到部分协助安全员的工作而已。因此需要一种安全可靠，且智能化程度高，方便快捷的防溺水的方法。

发明内容

有鉴于此，有必要提供一种安全可靠，智能化的，方便快捷的基于AI视觉的游泳防溺水识别方法。

基于AI视觉的游泳防溺水识别方法，包括外设组件和AI智能平台，所述外设组件设有智能相机、专用滤镜、警示灯、扩音喇叭、路由器、深度学习主机、监控屏幕，所述AI智能平台设有AI智能云平台，AI智能平台安装于深度学习主机、AI智能云平台上，所述AI智能云平台基于阿里云服务器上搭建，所述深度学习主机通过网络连接AI智能云平台，实现信息数据的互联互通；所述AI智能平台设有视频流实时采集模块、AI视频分析模块、行为逻辑判定模块、联动预警模块，所述视频流实时采集模块连接，且控制智能相机，实时获取智能相机拍摄的画面，所述AI视频分析模块设有目标检测、多目标跟踪，所述AI视觉分析模块采用神经网络模型，该神经网络模型设有基本组件和基本模块，所述基本组件包括Input、Backbone、Neck、Prediction，所述基本模块包括Focus、Conv、C3、SPP、Upsample、Detect，所述多目标跟踪是基于Linght-reid算法训练后的图像表征模型，对目标进行跟踪及识别，所述多目标跟踪设有跟踪器，跟踪器设有卡尔曼滤波器；所述行为逻辑判定模块采用3D卷积网络结构，所述3D卷积网络结构包括卷积层、池化层、全连接层、softmax输出层，所述卷积层设有8个，池化层设有5个，全连接层设有2个，softmax输出层设有1个。

所述基于AI视觉的游泳防溺水识别方法步骤如下：

S1：视频流实时采集模块通过智能相机对游泳场地进行实时视频图像的采集；

S2：AI视频分析模块对来自视频流实时采集模块的视频图像数据进行分析，完成对视频图像数据中目标检测和目标跟踪，并给每一目标建立ID，且将目标特征信息建档保存，目标再次进入游泳场地时，可直接调阅原始信息及无需重新建立ID；

S3：行为逻辑判定模块在S1、S2步骤已完成的基础上，对目标在游泳场地内所进行的行为进行动作识别与判定；

S4：行为逻辑判定模块判定目标当前存在溺水风险，则发出告警信息，行为逻辑判定模块判定目标当前没有溺水风险，则将继续重复S1、S2、S3所述的步骤；

S5：联动预警模块接受到来自行为逻辑判定模块的告警信息，将告警信息发至警示灯、扩音喇叭、监控屏幕，告知安全人员及时前往处置。