[发明专利]基于深度学习的水上救援机器人及落水检测方法

权利要求书

1.一种基于深度学习的水上救援机器人，其特征在于，包括摄像头监测单元、落水人员检测单元以及报警救援单元，所述摄像头监测单元设置于所述报警救援单元的上侧，并与所述落水人员检测单元电性连接，所述落水人员检测单元设置于所述报警救援单元的内部，并与所述报警救援单元固定连接，所述报警救援单元包括储气罐、气囊、外壳体、密封舱体、两个推进器、四个螺旋桨和广播通知模块，所述储气罐与所述气囊相配合，并设置于所述气囊的一侧，所述外壳体包覆所述密封舱体，并设置于所述摄像头监测单元的下侧，所述气囊设置于所述密封舱体的下方的前后两侧，两个所述推进器则设置于所述密封舱体的左右两侧，所述广播通知模块设置于所述密封舱体的内部，并与所述落水人员检测单元电性连接，四个所述螺旋桨设置于所述外壳体的四周，并与两个所述推进器相配合。

2.如权利要求1所述的基于深度学习的水上救援机器人，其特征在于，所述外壳体具有两个推进槽和两个浮力腔，两个所述推进腔设置于所述外壳体的左右两侧，并均与所述推进器相契合，两个所述浮力腔设置于所述外壳体的上方的左右两侧，并与所述密封舱体连接。

3.如权利要求2所述的基于深度学习的水上救援机器人，其特征在于，所述密封舱体包括上部密封体、密封罐和下部密封体，所述上部密封体与所述浮力腔连接，并设置于两个所述浮力腔之间，所述下部密封体设置于两个所述推进槽之间，并与所述上部密封体固定连接，所述密封罐设置于所述上部密封体与所述下部密封体的连接处，并包覆所述落水人员检测单元。

4.如权利要求3所述的基于深度学习的水上救援机器人，其特征在于，所述摄像头监测单元包括红外摄像头和监控终端，所述红外摄像头设置于所述外壳体的上侧，所述监控终端与所述红外摄像头电性连接，并设置于外界。

5.如权利要求4所述的基于深度学习的水上救援机器人，其特征在于，所述红外摄像头包括支撑柱和转动轴承，所述支撑柱设置于所述转动轴承的下侧，所述转动轴承设置于所述外壳体的上侧，并与所述支撑柱转动连接。

6.一种采用如权利要求5所述的基于深度学习的水上救援机器人的落水检测方法，其特征在于，包括如下步骤：

摄像头监测单元利用红外摄像头对水面图像数据进行实时采集，并将视频图像传输至监控终端；

落水人员检测单元利用深度学习处理的检测网络对输入至监控终端的视频图像实时检测，若检测发现有落水人员，在视频图像中框定落水人员所在位置，并给出控制信号；

气囊在收到控制信号后释放，并驱动推进器前往落水人员身旁，广播通知模块根据报警信号从无险情模式切换至险情处置模式，同时落水人员信息上传。

7.如权利要求6所述的基于深度学习的水上救援机器人的落水检测方法，其特征在于，所述深度学习处理包括如下步骤：

建立水中人员图像数据集；

使用LabelImg工具，用矩形框对水中人员图像数据集中每一张图像中的水中人员的坐标信息和水中人员的类别信息进行标注，并以xml文件格式存储每张图片生成的标注信息以便网络训练；

在网络训练前将建立好的数据集进行聚类分析并将数据集按照5:2:3比例分割为训练集、验证集和测试集，使用网络框架为YOLOv3深度学习以得到深度学习处理的检测网络。

8.如权利要求7所述的基于深度学习的水上救援机器人的落水检测方法，其特征在于，所述建立水中人员图像数据集包括如下步骤：

收集不少于3000张不同的落水人员图像，作为水中人员检测网络训练所需的基础训练数据集；

采用在基础训练数据集中每一张图像的色彩的饱和度、亮度和对比度的数据增强的方式，以及对每一张图像进行翻转、随机裁剪、平移缩放、对图像做旋转、视觉变化和分段仿射的方式，以及对每一张随机图像叠加噪声的方式扩充基础训练数据集而得到水中人员图像数据集。

9.如权利要求7所述的基于深度学习的水上救援机器人的落水检测方法，其特征在于，所述坐标信息包括矩形框的左上角和右下角坐标值，也即包括Xmin、Ymin和Mmax、Ymax。

10.如权利要求8所述的基于深度学习的水上救援机器人的落水检测方法，其特征在于，所述翻转包括水平翻转和垂直翻转；所述视觉变化是对图像应用一个随机的四点透视变换；所述分段仿射是在图像上放置一个规则的点网格，根据正态分布的样本数量移动这些点及周围的图像区域。