CN102693606B - 一种基于摄像网络的泳池防溺水预警方法及系统 - Google Patents

Abstract

一种基于摄像网络的泳池防溺水预警方法及系统，在泳池水面上方安装固定水上摄像头，在泳池水面下安装可旋转的水下摄像头；水上摄像头和水下摄像头信号输出通过各路视频采集卡连接PC机或DSP与PC机，PC机或DSP输出控制信号连接报警器和步进电机，步进电机控制云台旋转；本发明的PC机或PC机与DSP包括水花检测模块、协同控制模块、水下溺水判别模块和报警定位模块。本发明能够全方位、多角度对泳池进行预警覆盖，当游泳者出现溺水状况时，系统智能判断，发出报警，并能提供目标位置，警示救生员第一时间实施救援确保游泳者的人身安全。

Description

一种基于摄像网络的泳池防溺水预警方法及系统

技术领域

本发明属于视频监控技术领域，特别涉及一种基于摄像网络的泳池防溺水预警方法及系统。

背景技术

近年来，游泳这种适合大众进行的全身型体育运动越来越受到人们的喜爱，但是游泳者可能由于初学，或者抽筋、疾病发作等原因发生溺水，因而安全救生是开展游泳运动的最为重要的前提条件。

现有的泳池防溺水措施还很不完善，主要有以下几种方式：

1.救生员现场观察：由于人自身的生理条件限制，监控人员会因疲劳精力不集中而疏忽，并且救生员肉眼也不容易观察到深水中的情况，因此，救援效率低。虽然如此，目前绝大多数游泳馆仍采取这种方法。

2.红外线探测：利用红外对管探测落水情况，这种设备只能判断是否有人落水，而不适用于泳池救生。

3.声纳探测：这种装置的安装、使用费用较高，而且存在明显的缺陷，即当溺水者肺部充满水的情况下，声纳无法探测到，系统可靠性较差。此外，这种方法需在泳池内铺设高压电缆，安全性能差。

4.游泳者携带监测装置：该方法通过游泳者携带的监测装置，如手带，腰带等，来确定游泳者的状态。这种方法一方面影响了游泳者的舒适程度，另一方面存在装备保养、维护、维修等一系列问题。

5.水下视频监控：该方法只通过安装在池底的摄像头进行视频监控或监测。这种方法能够实现溺水报警，但实现报警的时间长，通常是在溺水后期，风险性较大，仍不安全。

基于上述现状，急需开发一种造价低廉、安全高效的新型泳池防溺水预警方法及系统，作为救生员的辅助装置以确保游泳爱好者的人身安全。

发明内容：

本发明所要解决的技术问题是：解决上述现有技术存在的问题，而提供一种基于摄像网络的泳池防溺水预警方法及系统，能够全方位、多角度对泳池进行预警覆盖，当游泳者出现溺水状况时，系统智能判断，发出报警，并能提供目标位置，警示救生员第一时间实施救援，确保游泳者的人身安全。

本发明采用的技术方案是：这种基于摄像网络的泳池防溺水预警系统，在泳池水面上方安装固定水上摄像头，在泳池水面下安装可旋转的水下摄像头；水上摄像头和水下摄像头信号输出通过各路视频采集卡连接PC机，PC机输出控制信号连接报警器和步进电机，步进电机控制云台旋转；或者水上摄像头和水下摄像头信号输出通过多路视频采集卡连接DSP，DSP与PC机进行通信连接，DSP输出控制信号连接报警器和步进电机，步进电机控制云台旋转。

上述技术方案中，所述的PC机或者PC机与DSP包括有水花检测模块、协同控制模块、水下溺水判别模块和报警定位模块，水上摄像头输出图像信号连接水花检测模块，水花检测模块输出连接协同控制模块，协同控制模块输出控制信号连接云台步进电机，协同控制模块还输出连接水下溺水判别模块，水下溺水判别模块输出连接报警定位模块，报警定位模块输出报警信号连接报警器。

上述技术方案中，所述的水下溺水判别模块包括人物识别子模块和动作识别子模块。

上述技术方案中，所述的水上摄像头和水下摄像头的安装位置是：泳池按“田”字划分为4个大小相同的矩形区域，每个区域中布置1个水上摄像头和1个水下摄像头，水上摄像头安装在区域中心位置上方6米处，正向下拍摄，水下摄像头安装在泳池较长边池壁水下3米处的转动云台上，云台转动的角度范围为0至180度。

本发明的基于摄像网络的泳池防溺水预警方法，在泳池水面上方固定水上摄像头，在泳池水面下安装可旋转的水下摄像头，两者通过PC机或PC机与DSP的协同控制模块相联，形成可协同摄像网络，水上摄像头通过水花检测模块对游泳者的水面溺水情况进行预判别，协同控制模块根据预判别结果引导水下摄像头捕获水花产生处的水下图像，并通过水下溺水判别模块对溺水事故进行确认和报警定位。

上述技术方案中，所述的水花检测模块对游泳者的水面溺水情况进行预判别，该方法包括以下步骤：

(1)PC机或PC机与DSP获取由水上摄像头拍摄的游泳池水面图像；

(2)水花检测模块对游泳者产生的水花进行检测，根据检测结果进行是否正在发生溺水进行预判别；

(3)预判别结果为可能存在溺水发生时，测算所检测到的水花块在泳池中的位置，同时触发协同控制模块，后者将触发水下溺水判别模块，对水面预判别结果进行确认。

上述的水花检测模块通过基于聚类的纹理特征分割来进行水花检测，聚类方法采用模糊C均值聚类方法；模糊C均值聚类法中，采用的特征参数为灰度共生矩阵的11个纹理参数和颜色空间HSL中亮度值L的组合。

水花检测模块对游泳者产生的水花进行检测，具体检测方法是：

(1)确定水花的外接矩形，得到矩形面积、矩形变化程度等参数；

(2)对连续多帧图像中各个水花进行跟踪，水花块跟踪采用卡尔曼滤波运动目标跟踪方法，得到各个水花外接矩阵位移；

(3)若某水花面积大于某一阈值，矩形长宽比变化率大于某一阈值，并且水花外接矩形位移小于某一阈值，则判定可能有溺水情况发生。

上述技术方案中，所述的协同控制模块根据预判别结果引导水下摄像头捕获水花产生处的水下图像的具体过程为：协同控制模块通过水花检测模块获取水花块的位置信息，换算得到与之互联的水下摄像头所在云台所需转动的角度，以此控制摄像头转动捕捉目标。

上述技术方案中，所述水下溺水判别模块对溺水事故进行确认和报警定位具体方法为：水下溺水判别模块使用基于视频图像处理与动作识别相结合的溺水判别方法，该方法包括：

(1)PC机获取由水下摄像头拍摄的游泳池水下图像；

(2)水下溺水判别模块包括人物识别子模块和动作识别子模块；

(3)人物识别子模块提取并捕获图像中包含的人体目标；

(4)动作识别子模块对捕获目标正在发生的动作进行识别，并根据识别结果判断是否正在发生溺水，若是，则触发报警定位模块。

上述技术方案中，人物识别子模块依次通过建立肤色模型、计算边界值、肤色提取和降噪处理四个步骤进行水下人物提取，并且在进行肤色提取的同时，使用迭代的方法进行边界值的更新；对提取出的肤色采用深度优先搜索聚类方法得到单个目标的外接矩形框，根据该矩形框的长、宽及其质心在二维图像中的坐标定义动作参数，该动作参数值可根据实测数据通过最小二乘法获得，也能根据一般常识或应用场地的实际情况自行设定；动作识别子模块根据动作参数值所呈现的大小，对目标所做的动作进行识别，若检测到同一目标在若干帧图像或一段时间内连续被预测为正在发生溺水，则触发报警定位模块；报警定位模块根据水下摄像头的编号确定水下溺水者所处的子区域，再根据目标成像大小推算其距离摄像头的远近，从而计算得到目标的近似位置。

另外，在没有协同控制模块触发的情况下，水下溺水检测模块仍然工作，进行溺水识别和报警。

本发明成功的研制了一种造价低廉、安全高效、智能化程度高的新型泳池防溺水预警方法及系统，能够从全方位、多角度对泳池进行预警复盖，当游泳者出现溺水状况时，系统能智能判断，发出报警，并提供目标位置，警示救生员第一时间进行救援，确保游泳爱好者的人身安全，极大地提升了游泳池的安全性能。

附图说明：

图1为本发明系统实施例1结构图；

图2为本发明系统实施例2结构图；

图3为本发明系统模块图；

图4为本发明安装平面示意图；

图5为本发明安装立面示意图；

图6为水面水花检测流程图；

图7为水下溺水检测流程图。

具体实施方式：

参见图1、图2、图3、图4、图5，本发明的基于摄像网络的泳池防溺水预警系统，在泳池水面上方安装固定水上摄像头，在泳池水面下方安装可旋转的水下摄像头；水上摄像头和水下摄像头信号输出通过各路视频采集卡连接PC机，PC机输出控制信号连接报警器和步进电机，步进电机控制云台旋转，或者水上摄像头和水下摄像头信号输出通过多路视频采集卡连接DSP，DSP与PC机进行通信连接，DSP输出控制信号连接报警器和步进电机，步进电机控制云台旋转。上述的PC机或者PC机与DSP包括有水花检测模块、协同控制模块、水下溺水判别模块和报警定位模块，水上摄像头输出图像信号连接水花检测模块，水花检测模块输出连接协同控制模块，协同控制模块输出控制信号连接云台步进电机、协同控制模块的输出还连接水下溺水判别模块，水下溺水判别模块输出连接报警定位模块，报警定位模块输出报警信号连接报警器。

上述的水下溺水判别模块包括人物识别子模块和动作识别子模块。所述的水上摄像头和水下摄像头的安装位置是：泳池按“田”字划分为4个大小相同的矩形区域，每个区域中布置1个水上摄像头：如图中S1、S3、S5、S7，和1个水下摄像头：如图中S2、S4、S6、S8。水上摄像头安装在区域中心位置上方6米处，正向下拍摄，水下摄像头安装在泳池较长边池壁水下3米处的转动云台上，云台转动的角度范围为0至180度。

参见图1、图2，其信号流程及信号处理过程如下：

1、某区域内的水上摄像头采集该区域泳池水面的图像信息，经过视频采集卡将图像的模拟信号转换为可编程处理的数字信号并经过压缩编码传输到到PC机。

2、PC机对输入的水上图像进行显示、存储和处理：

(1)显示：将来自不同区域水上摄像头的视频信号显示到相应的视频窗口，以便对水面进行实时监控；

(2)存储：将水上图像信息进行缓存，以便水上图像处理程序调用；

(3)处理：通过处理水上图像的程序(水花聚类检测)对图像信息进行识别判断，一旦逻辑判断结果为水面正在发生溺水，即刻通过水花块的位置信息换算得到水下摄像头需要转动的角度，并将之转换为相应数目的电脉冲发送给步进电机。

3、步进电机接收到来自PC机输出的一定数目的电脉冲，根据脉冲数带动云台从初始位置转动一定的角度，同时云台所驮载的水下摄像头也随之转动相应的角度，使摄像头转动到水花产生方向。

4、转动后的水下摄像头采集观测区域内的水下图像信息，经过视频采集卡将模拟信号转换为数字信号到PC机。

5、PC机对输入的水下图像进行显示、存储和处理：

(1)显示：将来自不同区域水下摄像头的视频信号显示到相应的视频窗口，以便对水下情况进行实时监控；

(2)存储：将水下图像信息进行缓存，以便水下图像处理程序调用；

(3)处理：通过处理水下图像的程序对接收的图像信息进行人物提取和动作识别，一旦逻辑判断结果为水下正在发生溺水，则发送电脉冲给报警器；若一定时间后仍未检测到有溺水情况，则发送一定数目的电脉冲给步进电机，该脉冲恰好使云台转回初始位置。

6、报警器接受到来自PC机的电脉冲，发出救援报警信息。

7、在步进电机没有接收到PC机的脉冲信号时，云台与其驮载的水下摄像头处于初始位置，即摄像头的光轴垂直于泳池侧壁。在该情况下，静止的水下摄像头仍然工作，将采集的水下图像经视频采集卡传输到PC机，之后PC机的处理过程同步骤5。

图2所示的实施例2的信号流程和处理过程与实施例1类似，不同之处是：

1、来自水上和水下的图像信息不进入PC机而直接进入DSP，DSP的功能同实例1中PC机的处理过程；

2、PC机负责对图像信息进行显示和储存，而处理过程则由DSP实现；

3、PC机还对来自不同区域摄像头的视频信息进行分类管理，协同控制DSP对不同图像信号进行相应处理，发送不同的脉冲信号到相应的步进电机。

下面结合附图对本发明技术方案的具体实施方式作进一步详细说明。

(一)系统总体结构

本发明的软件模块和硬件构成如图3所示，水花检测模块对水上摄像头采集的图像信息进行识别检测，若检测到大面积水花，则触发协调控制模块，后者通过控制信号调整水下摄像头转向水花产生处；水下溺水检测模块对水下摄像头采集的图像信息进行识别检测，首先由人物识别子模块对图像中的人物目标进行提取，然后由动作识别子模块对目标的行为进行判别，若判定目标出现了溺水动作，则触发报警定位模块；报警定位模块在触发报警器的同时，给出溺水目标的位置信息。

(二)摄像网络构建

摄像网络的构建如图4、5所示，将50m×25m的标准泳池划分为4个大小相同的矩形区域，每个区域中布置1个水上摄像头和1个水下摄像头，根据所处区域给摄像头分别编号S₁到S₈；水上摄像头安装在区域中心上方6m处，正向下拍摄，水下摄像头安装于泳池较长边池壁水下3米处的云台上；初始位置时，摄像头的光轴垂直于池壁，云台转动的角度范围为-90至90°。

(三)水面水花检测

如图6所示，水花检测模块对水面溺水情况进行预判别，该方法包括以下步骤：

(1)处理机获取由水上摄像头拍摄的游泳池水面图像；

(2)通过提取纹理特征参数，采用模糊C均值聚类，经过图像后处理操作对对游泳者产生的水花进行检测，对检测到的水花用参数进行描述并跟踪，根据规则判断是否正在发生溺水进行预判别；

(3)预判别结果为可能存在溺水发生时，测算所检测到的水花块在泳池中的位置，同时触发协同控制模块，后者将触发水下溺水检测模块，对水面预判别结果进行确认。

泳池中游泳者产生的水花具有与泳池水面波纹不一样的纹理特征，本发明利用基于模糊C均值聚类的纹理特征分割方法，可以将水花从泳池中检测提取出来，并区分不同的游泳者产生的水花。

水花聚类检测的步骤可以分为以下几步：

1.提取纹理特征参数

选取基于灰度共生矩阵的11个纹理参数和颜色空间HSL中亮度值L作为纹理特征参数。分为以下子步骤：

(1)将彩色视频监控图像转换为灰度图像。

(2)将灰度图像从256级量化到16级，因此每个共生矩阵是16×16的二维矩阵。

(3)取10×10的领域特征提取窗来计算灰度共生矩阵。取像素对的距离为d＝1，取四个角度θ＝0°、90°、180°、270°，由此得到四个方向上的灰度共生矩阵。提取窗口内四个灰度共生矩阵的11个纹理特征参数：角二阶矩阵、对比度、相关、熵、方差、均值和、方差和、逆差距、差方差、和熵、差熵，取平均值作为窗口中心点的纹理特征参数。窗口重叠遍历整幅图像。

(4)利用原彩色视频监控图像，提取HSL空间中亮度值L作为纹理特征参数。这样，共产生12个纹理特征参数。

2.利用模糊C均值聚类法进行水花聚类检测

假设X＝{x₁，x₂，K，x_n}为p维实数空间中给定的一个有限样本子集，x_k∈R^p为第k个样本的特征矢量。对于任意给定的类别数c，2≤c≤n，样本集X的模糊C均值聚类问题可以表示成如下的数学规划问题：

$\left\{\begin{array}{cc}\min & J_m(U,V)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{c}{\mathrm{\Σ}}}{w}_i{u}_{\mathrm{ij}}^m{\left|\right|x_i-x_j\left|\right|}^2\\ s.t.& U\∈M_{\mathrm{fc}}\end{array}\right.$

其中，w_i为每个样本的加权系数，其满足概率约束条件U＝[u_ij]_n×c为模糊划分矩阵。V＝{v₁，v₂，K，v_c}为c个模糊类的聚类中心矢量集；||g||为某种范数，用来定义样本与聚类中心的相似性测度；m为模糊加权指数，控制聚类的模糊程度。样本集X的模糊C划分空间为：

$M_{\mathrm{fc}}=\{U\&Element;R^{n\&times;c}|u_{\mathrm{ij}}\&Element;\left[\mathrm{0,1}\right],\&ForAll;i,j;\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}=1,\&ForAll;i;\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{u}_{\mathrm{ij}}<n,\&ForAll;j\}$

模糊C均值聚类算法通过迭代：

$u_{\mathrm{ij}}={\left[\underset{r=1}{\overset{c}{\mathrm{\&Sigma;}}}{\left(\frac{\left|\right|x_i-v_j\left|\right|}{\left|\right|x_i-v_r\left|\right|}\right)}^{\frac{2}{m-2}}\right]}^{-1}$

$v_j=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{w}_i{u}_{\mathrm{ij}}^m{x}_i}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{w}_i{u}_{\mathrm{ij}}^m}$

当算法收敛时就得到了c个聚类中心和各个样本属于各类的隶属值。若则样本x_j属于第i₀类。

本发明中，水花纹理分割流程为：

(1)利用上一步中提取的12个纹理特征参数进行模糊聚类。

(2)在采用模糊C均值聚类算法的初始化过程中，设迭代误差ε＝10^-4，最大迭代次数T_max＝200，聚类类别C＝4，按模糊C均值聚类算法进行纹理特征分割。

(3)通过填充、滤波、掩模操作等一系列图像后处理操作，检测提取各个水花块。

溺水者发生挣扎时，会产生较大面积的水花，并且由于溺水者一般在原地挣扎，所以产生的水花位置不会发生较大变化。而正常游泳者可能在原地踩水，或者游动，所产生的水花面积较小或者位置发生变化。根据以上分析，溺水预判别分为以下几步：

1、确定各个水花外接矩形，得到描述参数。

得到各个水花块的最小外接矩形，对各个外接矩形，定义以下参数：

(1)矩形质心O(x，y)。

(2)矩形面积S＝ab，a，b分别为矩形的长和宽。

(3)矩形变化程度在连续两帧图像中，a_i-1，b_i-1分别表示前一帧图像中矩形的长和宽，a_i，b_i分别表示后一帧图像中矩形的长和宽。

(4)矩形移动参数在两帧图像中，O(x_i，y_i)，O(x_j，y_j)分别为两帧图像中矩形的质心。

2、对各个水花进行跟踪。

采用卡尔曼滤波方法对水花进行跟踪。

3、按以下规则进行溺水预判别。

同时满足以下条件时，可以初步判断为发生溺水：

(1)在连续n帧图像中，S₁＞s，S₂＞s，KS_n＞s，s为衡量面积大小的阈值。

(2)在连续n帧图像中，γ₁＞γ，γ₂＞γ，Kγ_n-1＞γ，γ为衡量矩形变化程度的阈值。

(3)在连续n帧图像中，d为衡量矩形移动大小的阈值。

这里，n取为10，即每连续观察10帧图像做一次判别。

检测到游泳者发生溺水时，对游泳者位置进行测算。摄像头正对水面向下拍摄，溺水者的水面坐标(X，Y)与溺水者的成像平面坐标(X’，Y’)具有如下关系：

$X=\frac{X^{,}h}{f},$ $Y=\frac{Y^{,}h}{f}$

其中，h为摄像头距离水面的高度，f为摄像头焦距。坐标原点在摄像头所在铅垂线上。这样，获得溺水者在成像平面的坐标后就可以求得其在实际泳池中的坐标。

(四)协同控制

协同控制模块通过水花检测模块获取水花块的位置信息，换算得到与之互联的水下摄像头所在云台所需转动的角度，以此控制摄像头转动捕捉目标，具体实现过程如下：

协同控制模块从水花检测模块获取溺水者在泳池中的水面坐标(X，Y)，求得溺水者位置偏移角度：与水下摄像头偏移角度θ′相比较，得到水下摄像头需要转动的角度：θ-θ′

根据计算得到的水下摄像头需要转动的角度，协同控制模块向云台步进电机发出相应的数目的电脉冲，控制其转动相应的角度，并且触发水下溺水检测模块，对溺水者溺水行为做进一步观察判断。

(五)水下溺水检测

水下溺水检测过程如图7所示，该过程包括以下步骤：

(1)处理机获取由水下摄像头拍摄的游泳池水下图像；

(2)人物提取子模块提取并捕获图像中包含的人体目标；

(3)动作识别子模块对捕获目标正在发生的动作进行识别，并根据识别结果判断是否正在发生溺水，若是，则触发报警定位模块。

1.人物提取子模块通过以下步骤进行水下人物提取：

(1)建立肤色模型：在YrUrVr和YES颜色空间内使用直接定义肤色区域模型，采用Yr、Ur和S分量构建肤色提取模型如下：

$\mathrm{Map}=\left\{\begin{array}{cc}255& Y_1<Y_r<Y_{2}I{U}_1<U_r<U_{2}I{S}_1<{S<S}_2\\ 0& \mathrm{otherwise}\end{array}\right.$

其中Y₁、Y₂、U₁、U₂、S₁和S₂为边界值；

(2)计算边界值：在包含人物的视频图像中，选取人物的若干肤色像素进行颜色空间投影，以此得到小Y₁、Y₂、U₁、U₂、S₁和S₂的初始值；

(3)肤色提取：将计算所得的边界值代入(1)中的肤色模型，进行肤色像素点，即人物的提取，并对边界值进行更新；

(4)降噪处理：使用二值形态学中的开运算和闭运算对处理后的每一帧图像进行降噪处理。

在进行肤色提取的过程中，使用迭代的方法进行边界值的更新：对前一帧图像进行人物提取后，对提取后的人物肤色像素再次使用颜色空间投影，得到Y′₁、Y′₂、U′₁、U′₂、S′₁和S′₂，将其分别与原边界值相加取平均，得到新的边界值和，之后每处理一帧图像按此方法做一次边界值的更新。

2.对提取出的肤色采用深度优先搜索聚类方法得到单个目标的外接矩形框，根据该矩形框的长a、宽b及其质心在二维图像中的坐标O(x，y)定义如下动作参数：

(1)每两帧图像之间矩形框的形状变化程度；

(2)每两帧图像之间矩形框的位移；

(3)h＝y₂：当前帧图像中矩形框的高度。

3.动作识别子模块根据动作参数值的大小，对溺水时可能发生的三种动作进行定义和识别：

(1)γ＞γ₀，表示出现非正常的、很快的肢体运动，其中γ₀代表正常肢体运动下，连续两帧图像中目标矩形框形状变化程度的最高值；

(2)d＜d₀，表示身体的移动范围很小，其中d₀代表正常游泳时，连续两帧图像中目标矩形框位移的最小值；

(3)h＞h₀，表示身体下沉到较深的水域，其中h₀代表正常活动范围内，目标矩形框质心在垂直方向上的最大值。

其中，对于γ₀、d₀和h₀的值可根据实测数据通过最小二乘法获得，也可根据一般常识或应用场地的实际情况自行设定。

4.动作识别子模块根据以下动作组合对目标所处状态做出预测：

(1)(γ＞γ₀)∩(d＜d₀)∩(h＜h₀)：可能正在水面发生动态溺水；

(2)(γ＞γ₀)∩(d＜d₀)∩(h＞h₀)：可能正在水下发生动态溺水；

(3)(γ＜γ₀)∩(d＜d₀)∩(h＞h₀)：可能正在水下发生静态溺水；

(4)(γ＞γ₀)∩(d＜d₀)∩(h＜h₀)：可能正在踩水；

(5)(d＞d₀)∩(h＞h₀)：可能正在潜水；

(6)其他动作组合：可能正处在正常游泳状态；

其中，动态溺水是指伴随有挣扎或其他剧烈肢体动作的溺水，如意外落水或游泳过程中突然抽筋；静态溺水是指没有任何征兆的无知觉溺水，如突发疾病或重创导致的暂时性休克。

5.当动作识别子模块检测到同一目标在若干帧图像或一段时间内连续被预测为可能正在发生溺水，则判定该目标正在发生溺水，触发报警定位模块。

报警定位模块根据水下摄像头的编号确定水下溺水者所处的子区域，再根据目标成像大小推算其距离摄像头的远近，从而计算得到目标的近似位置。

Claims (2)

1.一种基于摄像网络的泳池防溺水预警方法，在泳池水面上方固定水上摄像头，在泳池水面下安装可旋转的水下摄像头，两者通过PC机或PC机与DSP的协同控制模块相联，形成可协同摄像网络，PC机或PC机与DSP通过水花检测模块对水上摄像头拍摄的游泳者的水面溺水情况进行预判别，协同控制模块根据预判别结果引导水下摄像头捕获水花产生处的水下图像，并通过水下溺水判别模块对溺水事故进行确认和报警定位；其特征在于：所述水花检测模块对游泳者的水面溺水情况进行预判别包括以下步骤：

(1)PC机或PC机与DSP获取由水上摄像头拍摄的游泳池水面图像；

(2)水花检测模块对游泳者产生的水花进行检测，根据检测结果进行是否正在发生溺水进行预判别；

(3)预判别结果为可能存在溺水发生时，测算所检测到的水花块在泳池中的位置，同时触发协同控制模块，后者将触发水下溺水判别模块，对水面预判别结果进行确认；上述的水花检测模块通过基于聚类的纹理特征分割来进行水花检测，聚类方法采用模糊C均值聚类方法；模糊C均值聚类法中，采用的特征参数为灰度共生矩阵的11个纹理参数和颜色空间HSL中亮度值L的组合；

所述的协同控制模块根据预判别结果引导水下摄像头捕获水花产生处的水下图像的具体过程为：协同控制模块通过水花检测模块获取水花块的位置信息，换算得到与协同控制模块互联的水下摄像头所在云台所需转动的角度，以此控制摄像头转动捕捉目标；所述水下溺水判别模块对溺水事故进行确认和报警定位，具体方法为：水下溺水判别模块使用基于视频图像处理与动作识别相结合的溺水判别方法，该方法包括：

(1)PC机获取由水下摄像头拍摄的游泳池水下图像；

(2)水下溺水判别模块包括人物识别子模块和动作识别子模块；

（3）人物识别子模块提取并捕获图像中包含的人体目标；

(4)动作识别子模块对捕获目标正在发生的动作进行识别，并根据识别结果判断是否正在发生溺水，若是，则触发报警定位模块；

水下溺水判别模块包括人物识别子模块和动作识别子模块，人物识别子模块依次通过建立肤色模型、计算边界值、肤色提取和降噪处理四个步骤进行水下人物提取，并且在进行肤色提取的同时，使用迭代的方法进行边界值的更新；对提取出的肤色采用深度优先搜索聚类方法得到单个目标的外接矩形框，根据该矩形框的长、宽及其质心在二维图像中的坐标定义动作参数，该动作参数可根据实测数据通过最小二乘法获得，也能根据一般常识或应用场地的实际情况自行设定；动作识别子模块根据动作参数值所呈现的大小，对目标所做的动作进行识别，若检测到同一目标在若干帧图像或一段时间内连续被预测为正在发生溺水，则触发报警定位模块；报警定位模块根据水下摄像头的编号确定水下溺水者所处的子区域，再根据目标成像大小推算其距离摄像头的远近，从而计算得到目标的近似位置。

2.根据权利要求1所述的基于摄像网络的泳池防溺水预警方法，其特征在于：水花检测模块对游泳者产生的水花进行检测，具体检测方法是：

(1)确定水花的外接矩形，得到矩形面积、矩形变化程度参数；

(2)对连续多帧图像中各个水花进行跟踪，水花块跟踪采用卡尔曼滤波运动目标跟踪方法，得到各个水花外接矩阵位移；

(3)若某水花面积大于某一阈值，矩形长宽比变化率大于某一阈值，并且水花外接矩形位移小于某一阈值，则判定可能有溺水情况发生。