CN101188745B - 游泳池智能溺水视频监控系统及方法 - Google Patents

Abstract

本发明公开了游泳池智能溺水视频监控系统及方法，属于视频监控领域。本发明系统包括放置在游泳池底的多个摄像头及工控机，其中工控机具有视频监控功能，正常工作过程中，多个摄像头将池底图像信息传送到工控机，工控机通过视频监控功能单元将接收到的图像信息进行图像处理后，若判断有人溺水，则在设定时间内进行报警，并记录溺水时刻图像。本发明还公开了一种游泳池智能溺水视频监控方法。本发明所采用的技术方案具有智能化的特点，且不会对游泳者有任何限制。其中本发明技术方案中背景更新机制，相对普通的加权更新更稳定，更可靠；前景目标检测具有更加稳定检测效果；另外该系统相对其他溺水监控系统，具有比较高的准确性，且易于安装维护。

Description

游泳池智能溺水视频监控系统及方法

技术领域

本发明属于视频监控领域，特别涉及一种游泳池智能溺水视频监控系统及方法。

背景技术

游泳是一种深受大众喜爱的体育运动，但由于游泳在水中进行，初学者常因在水中不能随意呼吸、行动而导致呛水和失去平衡，进而造成溺水事故。有些会游泳者也可能由于抽筋、相互碰撞、疾病或精神紧张等原因而发生溺水现象。溺水故事多发生于深水区，而简单靠视觉鉴定在一定深度下的不动身体是很困难的，而且监控工作要忍受相当程度的神经紧张和疲劳，因为它需要救生员保持持久的高度注意力。同时，鉴于人自身生理条件的限制，光在被搅动水面上的反射作用很容易使监控人员感到疲劳而导致暂时精力不集中，进而发生意外。

而目前水下溺水报警系统主要是在泳池底部安装一套声纳发射、接收装置，利用探测器确定可能障碍物的存在。这种装置有一个相当大的缺点是，该装置依赖于人身体里面含有的空气，如果溺水人的肺内充满水，则无法进行判断。另外，声纳设备需要几百伏电压去产生声纳脉冲。最后，如果人体离装置安装位置非常近时，声纳信号无法消除池壁带来的噪声。

现在还有一种溺水报警系统是让游泳者游泳时携带一定的监控装置，如手表或裤带等，如果游泳者所处位置低于一定深度超过一定时间时，监控装置就发出警告。这种系统的安装、使用和维护都耗资巨大，误报率也较高，对游泳者来说也极不方便。

发明内容

本发明所要解决的技术问题是，提供一种游泳池智能溺水视频监控系统及方法，从而提高游泳池底视频监控的准确性。

为了解决上述问题，本发明公开了一种游泳池智能溺水视频监控系统，该系统包括放置在游泳池底的多个摄像头及工控机，其中工控机具有视频监控功能，正常工作过程中，多个摄像头将池底图像信息传送到工控机，工控机通过视频监控功能单元将接收到的图像信息进行图像处理后，若判断有人溺水，则在设定时间内进行报警，并记录溺水时刻图像。

当上述系统包括八个摄像头时，将摄像头两两组合，分别放置在游泳池的两个较长边的池壁，其中每组内两摄像头背靠背放置，且每个摄像头入光面的法线与池壁成45度角，每一较长边放置的两组摄像头之间相距25m，每组摄像头与其最接近的游泳池短边的距离为12.5m。

进一步地，上述系统中，所述视频监控功能单元包括依次连接的图像背景重建模块、前景目标检测模块和干扰消除模块，以及与图像背景重建模块相连的图像背景更新模块。

其中图像背景重建模块采用中值估计法、均值或者核密度估计法进行图像背景重建。

当背景重建模块采用中值估计法时，所述图像背景更新模块，通过当前图像代替中值滤波时排序位置与中值相差最远的图像来实现图像背景更新，或者当背景重建模块采用核密度估计法时，所述图像背景更新模块，通过当前图像代替概率值最小的图像来实现图像背景更新。

前景目标检测模块，通过当前帧图像与已建立好的背景图像直接相减得到差分图像，并对该差分图像进行加权来检测前景目标。

干扰消除模块，用于对游泳池场景图像进行干扰消除，其中干扰包括静止站立的人对溺水判断的干扰以及水波纹对溺水判断的干扰；

其中干扰消除模块采用区域边界判断法判断发现的干扰是否为静止站立的人；

干扰消除模块采用多帧变化检测法判断发现的干扰是否为水波纹。

本发明还公开了一种游泳池智能溺水视频监控方法，该方法包括以下步骤：

A：多个摄像头将游泳池底图像信息传送到工控机；

B：工控机的视频监控功能单元对收到的图像信息进行图像背景重建，前景目标检测，并对游泳池场景进行干扰消除，当目标检测计数超过设定阈值，则判断溺水目标出现，发出溺水报警信号并记录当前时间和溺水图像。

上述方法步骤A中摄像头为八个时，将摄像头两两组合，分别放置在游泳池的两个较长边的池壁，其中每组内两摄像头背靠背放置，且每个摄像头入光面的法线与池壁成45度角，每一较长边放置的两组摄像头之间相距25m，每组摄像头与其最接近的游泳池短边的距离为12.5m。

进一步地，上述方法中，图像背景重建采用中值估计法、均值或者核密度估计法。

进一步地，上述方法步骤B中还包括背景更新，当背景重建采用中值估计法时，图像背景更新是通过当前图像代替中值滤波时排序位置与中值相差最远的图像来实现的，或者

背景重建采用核密度估计法时，图像背景更新是通过当前图像代替概率值最小的图像来实现的。

进一步地，上述方法中，前景目标检测采用背景相减法得到初始目标，用当前帧图像与已建立好的背景图像直接相减，得到差分图像，并对该差分图像进行加权。

进一步地，上述方法中，干扰包括静止站立的人对溺水判断的干扰以及水波纹对溺水判断的干扰；

其中采用区域边界判断法判断发现的干扰是否为静止站立的人；

采用多帧变化检测法判断发现的干扰是否为水波纹。

本发明基于视频监控系统提出一种游泳池智能溺水视频监控系统及方法，具有智能化的特点，且不会对游泳者有任何限制。其中本发明技术方案中背景更新机制，相对普通的加权更新更稳定，更可靠；前景目标检测具有更加稳定检测效果；另外该系统相对其他溺水监控系统，具有比较高的准确性，且易于安装维护。

附图说明

图1为采用本发明技术方案的游泳池溺水监控系统结构示意图；

图2为图1所示系统中八个摄像头的设置位置示意图；

图3为图1所示系统实现溺水监控流程图。

具体实施方式

本发明的主要构思是，利用摄像头获取图像数据，然后采用智能溺水判断技术分析处理图像数据从而判断是否有人溺水的智能化溺水监控系统。

下面结合附图及具体实施方式，对本发明采用的技术方案作进一步详细说明。

一种游泳池智能溺水视频监控系统，包括放置在游泳池底的八个摄像头、以及一台具有视频监控功能的工控机，如图1所示，该系统正常工作过程中，摄像头将收集的水底图像信息传送到工控机，工控机通过视频监控功能单元处理该图像信息，判断得出是否有人溺水，如有人溺水，则在设定时间内进行报警，并记录下发生溺水事件时刻图像作为事故发生依据。

其中游泳池底的八个摄像头的设置布局结构如图2所示，图示为普通标准游泳池，大小为是50m*25m，将所有摄像头平均放置在两侧长边，即靠50m边的池壁底部，摄像头放置位置距短边池壁12.5m；在每一侧长边将摄像头其中每组内两摄像头背靠背放置，且每个摄像头入光面的法线与池壁成45度角，其中两组摄像头之间相距25m；

工控机中溺水监控单元包括依次连接的图像背景重建模块、前景目标检测模块和干扰消除模块，以及与图像背景重建模块相连的图像背景更新模块，各模块功能如下：

图像背景重建功能模块，利用中值估计法实现，当然也可以采用均值或者核密度估计法等现有图像背景重建方法实现；

以中值估计法为例，图像背景重建过程为，将当前图像输入的前N帧图像作为参考背景图象，假设x₁，x₂，…x_N是图像中的某个像素点的像素值x_t的一组观察值样本，利用这些样本，采用中值滤波方法计算出t时刻该像素点的背景像素估计值B(x_t)如式1：

$B\left(x_t\right)=\underset{i}{\mathrm{median}}\left(x_i\right)$ (式1)

背景更新策略功能模块：本系统需要缓存N帧图像，每更新一次背景时，并不是用当前帧来代替时间上最早的帧图像，而是将当前帧代替最不相关的图像，例如，图像背景重建模块采用中值估计法时，该模块是将当前帧代替中值滤波时排序好的与中值相差最远图像，又如，当图像背景重建模块采用核密度估计法时，该模块是将当前帧代替概率值最小的图像；

前景目标检测功能模块：可以采用背景相减法得到初始目标，即用当前帧图像与已经建立好的背景图像直接相减，得到差分图像，现有一般的做法是直接对差分图进行阈值处理，本例中为了增强抗噪声的能力，对差分值进行加权值的变换，如式2所示：

$\mathrm{diff}\left(x_i\right)=\underset{i}{\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x_i-B_i)}^2}{2{\mathrm{\σ}}^2})}$ (式2)

然后将输出结果用形态学腐蚀膨胀方法进一步消除噪声以及小目标干扰方法；

干扰消除模块：用于消除静止站立人对溺水判断的影响，以及水波纹对溺水判断的干扰。

其中，消除静止站立人对溺水判断的影响，是因为当人挂在浮标以及站在池壁边时也是一种静止物体的表现，由于溺水是深水池出现的现象，因此本例中，采用区域边界判断法来消除这种干扰，对于镜头所拍摄的图像划定一定监控区域，如果前景目标与区域边界相交则判断为静止站立人的干扰；

水波纹对溺水判断的干扰，是因为当人在游泳池游泳时，映射在水中的灯光等会由于水平面被打乱而折射不同方向，造成监控区域出现快速亮度变化，水波纹干扰是一种快频率变化，因此，本例中采用多帧变化检测来消除这种干扰，对于每个像素，如果检测到一次为前景，则位置计数增加一次，如没检测到目标则计数器归为0。

溺水报警模块：在有溺水目标出现时，用于发送溺水报警信号，并记录当前时间和溺水图像；在没有溺水目标出现时，用于保存监控图像；

本例中，当目标检测的计数器计数超过一定阈值时，溺水报警模块即判断溺水目标出现，并立即发出溺水报警信号以及记录当前时间和溺水图像；如计数器没有超过阈值，则每间隔一定时间就保存一次监控内容，以备今后可查询。

上述溺水视频监控系统实现溺水监控的过程包括以下步骤，如图3所示：

步骤301：图像初始化，即图像背景重建，可采用中值估计法、均值或者核密度估计法等；

若采用中值估计法，则将图像输入的前N帧图像作为参考背景图象，假设x₁，x₂，…x_N是图像中的某个像素点的像素值x_t的一组观察值样本。利用这些样本，采用中值滤波方法计算出t时刻该像素点的背景像素估计值B(x_t)，如式1：

$B\left(x_t\right)=\underset{i}{\mathrm{median}}\left(x_i\right)$ (式1)

步骤302：背景更新；

如果步骤301中实现图像重建过程中采用的中值估计法，则该步骤中，监控系统需要缓存N帧图像，每更新一次背景时，并不是用当前帧来代替时间上最早的帧图像，而是用当前帧代替最不相关的图像，也就是用当前帧代替申值滤波时排序好的与中值相差最远也即最不相关的图像，这样可以有效的保持背景的稳定性；

如果步骤301中实现图像重建过程中采用的核密度估计法，则该步骤中，用当前帧代替概率值最小的图像；

步骤303：前景目标检测，将输出结果用形态学腐蚀膨胀方法进一步消除噪声以及小目标干扰；

该步骤中，采用背景相减法得到初始目标，即用当前帧图像与已经建立好的背景图像直接相减，得到差分图像，一般的做法是直接对差分图进行阈值处理，本例中为了增强抗噪声的能力，对差分值进行加权值的变换，如式2：

$\mathrm{diff}\left(x_i\right)=\underset{i}{\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x_i-B_i)}^2}{2{\mathrm{\σ}}^2})}$ (式2)

步骤304：对游泳池场景特有干扰的消除；

该步骤中，特有干扰有静止站立人对溺水判断的影响，这是因为当人挂在浮标以及站在池壁边时也是一种静止物体的表现，由于溺水是深水池出现的现象，因此本例中采用了区域边界判断法来消除这种干扰，也就是对镜头所拍摄的图像划定一定的监控区域，如果前景目标与区域边界相交则判断为静止站立人的干扰；

特有干扰还包括水波纹对溺水判断的干扰，这是因为当人在游泳池游泳时，映射在水中的灯光等会由于水平面被打乱而折射不同方向，造成监控区域出现快速亮度变化，水波纹干扰是一种快频率变化，因此，本例中采用了多帧变化检测来消除这种干扰，对于每个像素，如检测到一次为前景，位置计数则增加一次，如没检测到目标则计数器归为0；

步骤305：判断目标检测的计数器计数值是否超过阈值，如果是，进入步骤306，否则进入步骤307；

步骤306：溺水目标出现，立即发出溺水报警信号以及记录当前时间和溺水图像，流程结束；

步骤307：保存当前监控视频内容后，返回步骤302。

从上述实施例可以看出，本发明所采用的技术方案中，背景更新机制，相对普通的加权更新更稳定，更可靠；前景目标检测具有更加稳定检测效果；另外该系统相对其他溺水监控系统，具有比较高的准确性，且易于安装维护。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种游泳池智能溺水视频监控系统，其特征在于，该系统包括放置在游泳池底的多个摄像头及工控机，其中，所述工控机包括图像背景重建模块、前景目标检测模块、干扰消除模块和溺水报警模块：

所述摄像头，用于将池底图像信息传送到所述工控机；

所述工控机中图像背景重建模块，用于将接收到的池底图像信息按照中值估计法或者核密度估计法进行图像背景重建；

所述前景目标检测模块，用于通过当前帧图像与已建立好的背景图像直接相减得到差分图像，并对该差分图像进行加权来检测前景目标；

所述干扰消除模块，用于消除游泳池场景干扰，包括消除静止站立人对溺水判断的干扰以及水波纹对溺水判断的干扰；

所述溺水报警模块，在溺水目标出现时，用于发送溺水报警信号，并记录当前时间和溺水图像，在没有溺水目标出现时，用于保存监控图像。

2.如权利要求1所述的系统，其特征在于，所述系统包括八个摄像头时，将摄像头两两组合，分别放置在游泳池的两个较长边的池壁，其中每组内两摄像头背靠背放置，且每个摄像头入光面的法线与池壁成45度角，每一较长边放置的两组摄像头之间相距25m，每组摄像头与其最接近的游泳池短边的距离为12.5m。

3.如权利要求1或2所述的系统，其特征在于，所述工控机还包括与图像背景重建模块相连的图像背景更新模块；

所述背景重建模块采用中值估计法时，所述图像背景更新模块，通过当前图像代替中值滤波时排序位置与中值相差最远的图像来实现图像背景更新，

所述背景重建模块采用核密度估计法时，所述图像背景更新模块，通过当前图像代替概率值最小的图像来实现图像背景更新。

4.如权利要求1或2所述的系统，其特征在于，

所述干扰消除模块采用区域边界判断法判断发现干扰是否为静止站立的人，其中，所述区域边界判断法，是指对所拍摄的图像划定一定的监控区域，当前景目标与所述监控区域的边界相交，则判断为静止站立人的干扰；

所述干扰消除模块采用多帧变化检测法判断发现干扰是否为水波纹。

5.一种游泳池智能溺水视频监控方法，其特征在于，该方法包括以下步骤：

A：多个摄像头将游泳池底图像信息传送到工控机；

B：工控机的视频监控功能单元对收到的游泳池底图像信息先按照中值估计法或者核密度估计法进行图像背景重建，然后进行前景目标检测，再对游泳池场景进行干扰消除，包括消除静止站立人对溺水判断的干扰以及水波纹对溺水判断的干扰，当目标检测计数超过设定阈值，则判断溺水目标出现，发出溺水报警信号并记录当前时间和溺水图像。

6.如权利要求5所述的方法，其特征在于，所述步骤A中摄像头为八个时，将摄像头两两组合，分别放置在游泳池的两个较长边的池壁，其中每组内两摄像头背靠背放置，且每个摄像头入光面的法线与池壁成45度角，每一较长边放置的两组摄像头之间相距25m，每组摄像头与其最接近的游泳池短边的距离为12.5m。

7.如权利要求5所述的方法，其特征在于，

所述步骤B中还包括背景更新，当所述背景重建采用中值估计法时，所述背景更新是通过当前图像代替中值滤波时排序位置与中值相差最远的图像来实现的，或者

所述背景重建采用核密度估计法时，所述背景更新是通过当前图像代替概率值最小的图像来实现的。

8.如权利要求5所述的方法，其特征在于，

所述前景目标检测采用背景相减法得到初始目标，其具体做法是：用当前帧图像与已建立好的背景图像直接相减，得到差分图像，并对该差分图像进行加权。

9.如权利要求5所述的方法，其特征在于，

采用区域边界判断法判断发现干扰是否为静止站立的人，其中，所述区域边界判断法，是指对所拍摄的图像划定一定的监控区域，当前景目标与所述监控区域的边界相交，则判断为静止站立人的干扰；

采用多帧变化检测法判断发现干扰是否为水波纹。

Images