[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

说明书

本发明实施例公开了泳池防溺水的溺水行为识别方法、装置、设备及介质。所述方法包括：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。通过实施本发明实施例的方法可实现提高溺水行为识别的准确率。

技术领域

本发明涉及溺水识别方法，更具体地说是指泳池防溺水的溺水行为识别方法、装置、设备及介质。

背景技术

随着生活水平的提高，游泳运动这一全身性锻炼的体育运动越来越受到人们的欢迎。由于游泳运动在水中进行，在游泳过程中，存在一定的危险性。对于初学者，在游泳过程中，因游泳技术不足导致无法随意呼吸、换气、行动等导致呛水，容易造成溺水事件；对于有经验的游泳者，可能会出现抽筋、碰撞受伤、意识模糊等原因导致溺水事件发生。若无法及时发现溺水的游泳者，极易导致溺水时间过长造成伤亡。

现有技术是在泳池内部署多个救生员，由救生员人眼监控是否出现溺水行为，但是这种方式准确率不高。

因此，有必要设计一种新的方法，实现提高溺水行为识别的准确率。

发明内容

本发明的目的在于克服现有技术的缺陷，提供泳池防溺水的溺水行为识别方法、装置、设备及介质。

为实现上述目的，本发明采用以下技术方案：泳池防溺水的溺水行为识别方法，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。

其进一步技术方案为：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。

其进一步技术方案为：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。

其进一步技术方案为：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，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；