[发明专利]基于光学视觉分析的溺水预警方法

摘要

本发明提供了一种基于光学视觉分析的溺水预警方法。首先通过中值滤波、直方图均衡化和同态滤波等方法对图像进行去噪、增强和去除光照不均的预处理，然后利用免疫遗传算法同时完成对游泳者的检测和跟踪，得到其位置和运动轨迹信息，最后利用LSTM网络提取游泳者具有时序信息的行为特征，并通过Softmax层对该特征进行分析，得到游泳者的溺水概率，给出是否溺水的判断。利用本发明方法可以实现对泳池中游泳者的智能视觉感知，通过理解和分析其运动行为，对溺水状态进行预警，并快速准确的给出溺水者的位置信息，辅助救生员的援救工作。

主权项

1.一种基于光学视觉分析的溺水预警方法，其特征在于步骤如下：步骤1：对每一帧泳池视频图像进行预处理，得到预处理后图像，具体为：先采用中值滤波方法对每一帧泳池视频图像进行去噪处理，然后采用直方图均衡化方法对去噪后图像进行增强处理，最后采用同态滤波方法对增强后图像进行滤波处理；步骤2：利用免疫遗传算法对游泳者进行检测和跟踪，具体为：步骤a：利用数据集对Faster‑RCNN神经网络模型进行训练，得到训练好的检测器；其中，所述的数据集为开源溺水警数据集，从中随机抽取80％数据作为训练集，剩下的20％数据作为测试集，采用随机梯度下降算法进行网络参数的学习；步骤b：首先，用训练好的检测器对预处理后的第一帧图像进行检测，得到每个游泳者的位置检测框和检测框的置信度值，如果某两个检测框的重叠面积与其相并面积之比大于0.8，则删除置信度值低的检测框；然后，对所有检测框由1开始进行编号，每个检测框对应一个唯一的编号，并以每个检测框为一个种群，以其置信度值为其适应度值，得到该帧图像的所有种群，其中，每个种群的种群信息包含位置、编号和适应度值；步骤c：计算得到当前帧图像中的各种群对应在下一帧图像中的初始种群，具体为：设种群在当前帧图像中的位置中心点为O，种群宽度为W，高度为H，在下一帧图像中以相同位置O为中心、2.5W宽、2.5H高的范围内，随机产生15个宽度为W、高度为H的检测框，并将这些检测框输入到训练好的检测器，得到每个检测框的置信度值，以每个检测框为一个个体，以每个检测框的置信度值为其个体适应度值，得到一个初始种群，即种群对应在下一帧图像中的初始种群；步骤d：对初始种群中的个体进行筛选，具体为：对每个初始种群，首先，以其在上一帧图像中对应的父辈种群的位置及编号为疫苗，以其父辈种群的适应度值为疫苗的适应度值，得到与其对应的疫苗；然后，将种群中每个个体的适应度值与其疫苗的适应度值进行比较，若个体适应度值低于疫苗的适应度值，则删除该个体，反之，则保留该个体，若种群中所有个体的适应值都低于疫苗的适应度值，则以其父辈种群的种群信息作为该种群的种群信息；步骤e：对经步骤d筛选后的种群，判断其是否满足收敛标准，若不满足收敛标准，根据遗传算法原理，对其进行交叉、变异，生成下一代种群，并利用检测器计算种群中每个个体的适应度值，返回步骤d继续进行筛选；若满足收敛标准，则收敛状态下的种群即为最终的种群；若经20次交叉、变异和筛选后，仍不满足收敛标准，则删除该种群；所述的收敛标准为：种群中只有一个个体，且其适应度值高于0.9；当对所有种群完成上述处理后，返回步骤c，进行下一帧图像种群的计算，直至完成对所有帧图像的处理，得到每一帧图像的所有种群，其中，一个种群对应一个游泳者，种群的位置即为游泳者的位置，种群的编号即为游泳者的身份，种群的适应度值即为该位置处有游泳者的置信度值；步骤3：利用LSTM提取得到每个游泳者具有时序信息的行为特征，并通过Softmax分类层得到是否溺水的判断，具体为：首先，构建包括LSTM和Softmax层的网络，其中，每个LSTM单元后连接一个softmax层；然后，利用数据集对网络进行训练，得到训练好的网络，其中，所述的数据集为开源溺水警数据集，从中随机抽取80％数据作为训练集，剩下的20％数据作为测试集，采用随机梯度下降算法进行网络参数的学习；最后，将步骤3中得到的同一游泳者在每一帧的位置信息按时间先后顺序分别输入到训练好的网络中的同样先后顺序的LSTM单元中，将每个LSTM单元得到的特征输入到softmax层，即可得到该游泳者在某时刻的溺水概率，若某游泳者在连续10帧的溺水概率都高于0.7，则发出预警，并给出溺水者当前在游泳池的具体位置信息；反之，不进行预警。