[发明专利]泳池防溺水的溺水行为识别方法、装置、设备及介质

权利要求书

1.泳池防溺水的溺水行为识别方法，其特征在于，包括：

获取待识别视频；

将所述待识别视频输入至溺水行为识别模型内进行溺水行为识别，以得到识别结果；

输出所述识别结果；

其中，所述溺水行为识别模型是通过标注有溺水行为标签的溺水视频作为样本集对深度学习网络进行训练所得的；

所述溺水行为识别模型包括SlowFast网络、目标检测网络以及预测头；所述目标检测网络包括RoIAlign；

利用训练集对所述深度学习网络进行训练，以得到训练结果，包括：

将所述训练集输入至所述深度学习网络的SlowFast骨干网络内提取两个分支的图像时序特征；

将两个分支的图像时序特征进行合并，以得到合并结果；

采用所述深度学习网络中的RoIAlign提取所述合并结果的目标特征；

将所述目标特征输入至所述深度学习网络中的预测头进行动作分类，以得到训练结果。

2.根据权利要求1所述的泳池防溺水的溺水行为识别方法，其特征在于，所述溺水行为识别模型是通过标注有溺水行为标签的溺水视频作为样本集对深度学习网络进行训练所得的，包括：

采集若干个具备溺水行为的溺水视频，且对所述溺水视频的每一帧中溺水行为进行标签标注，以得到样本集；

划分所述样本集，以得到训练集以及测试集；

构建深度学习网络以及损失函数；

利用所述训练集对所述深度学习网络进行训练，以得到训练结果；

利用损失函数计算训练结果与训练集的标签对应的内容的损失值；

判断所述损失值是否趋于平稳；

若所述损失值趋于平稳，则利用所述测试集对训练后的深度学习网络进行测试，以得到测试结果；

判断所述测试结果是否符合要求；

若所述测试结果符合要求，则确定所述深度学习网络为溺水行为识别模型；

若所述测试结果不符合要求，则修改所述深度学习网络的参数，并执行所述利用所述训练集对所述深度学习网络进行训练，以得到训练结果；

若所述损失值未趋于平稳，则执行所述修改所述深度学习网络的参数。

3.根据权利要求1所述的泳池防溺水的溺水行为识别方法，其特征在于，所述将所述训练集输入至所述深度学习网络的SlowFast骨干网络内提取两个分支的图像时序特征，包括：

将训练集内的当前帧图像以及当前帧图像的前面若干帧图像作为输入图像，输入至所述深度学习网络的SlowFast骨干网络内提取两个分支的图像时序特征。

4.泳池防溺水的溺水行为识别装置，其特征在于，包括：

视频获取单元，用于获取待识别视频；

识别单元，用于将所述待识别视频输入至溺水行为识别模型内进行溺水行为识别，以得到识别结果；

输出单元，用于输出所述识别结果；

模型生成单元，用于通过标注有溺水行为标签的溺水视频作为样本集对深度学习网络进行训练，以得到溺水行为识别模型；

其中，所述溺水行为识别模型包括SlowFast网络、目标检测网络以及预测头；所述目标检测网络包括RoIAlign；

利用训练集对所述深度学习网络进行训练，以得到训练结果，包括：

将所述训练集输入至所述深度学习网络的SlowFast骨干网络内提取两个分支的图像时序特征；

将两个分支的图像时序特征进行合并，以得到合并结果；

采用所述深度学习网络中的RoIAlign提取所述合并结果的目标特征；

将所述目标特征输入至所述深度学习网络中的预测头进行动作分类，以得到训练结果。