CN105187764A - 一种基于视觉分析的水下测量救生装置 - Google Patents
一种基于视觉分析的水下测量救生装置 Download PDFInfo
- Publication number
- CN105187764A CN105187764A CN201510362797.4A CN201510362797A CN105187764A CN 105187764 A CN105187764 A CN 105187764A CN 201510362797 A CN201510362797 A CN 201510362797A CN 105187764 A CN105187764 A CN 105187764A
- Authority
- CN
- China
- Prior art keywords
- target
- chip microcomputer
- motion
- underwater
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明属于水下测量与救生研究领域,具体涉及一种对人的水下运动实时测量的、人的水下行为分析的、可自动报警的、基于视觉分析的水下测量救生装置。包括视觉跟踪系统、光电转换电路、放大电路、单片机、滤波器、接口,报警装置,防水外壳。本发明由于采用视觉跟踪系统,对目标人员的运动过程进行实时观测,对目标人员的水下动作进行智能分析,当发生危险时进行自动报警。不仅缩短了发现危险的时间,提高了水下救生的效率,而且经济性得到了提高。
Description
技术领域
本发明属于水下测量与救生研究领域,具体涉及一种对人的水下运动实时测量的、人的水下行为分析的、可自动报警的、基于视觉分析的水下测量救生装置。
背景技术
由于水下的环境比较复杂,水下活动的人可能遇到突发情况,导致水下运动不能正常进行,或者正在进行水下工作的人发生危险,传统的水下救生工作依靠救生员发现危险并且进行施救,这导致发现危险的时间不及时,有的时候甚至不能发现危险;传统的人工救生即使成功,往往也不知道导致危险发生的原因是什么;并且人工的救生系统主观性强、经济性低、效率低下。
发明内容
本发明的目的是解决水下运动人员工作过程中无法进行直接观测、发生危险时无法及时进行报警的问题,提供一种基于视觉分析的水下测量救生装置。
本发明的目的是这样实现的:包括视觉跟踪系统、光电转换电路、放大电路、单片机、滤波器、接口,报警装置,防水外壳,视觉跟踪系统由单个摄像头组成,摄像头的输出端与光电转换电路(2)相连;光电转换电路(2)的输入端与摄像头(1)相连,输出端与放大电路(3)相连;放大电路(3)的输入端与光电转换电路(2)相连,输出端与单片机(4)相连;单片机(4)的输入端与放大电路(3)、滤波器(5)相连,输出端与滤波器(5)、接口(6)、报警装置(7)相连;滤波器(5)的输入端与单片机(4)相连,输出端与单片机(4)相连;接口(6)的输入端与单片机(4)相连;报警装置(7)的输入端与单片机(4)相连。
本装置采用的目标运动参数为某一时刻目标的位置和速度,在跟踪过程中,由于相邻两帧之间的间隔较短,一般情况下,目标的运动状态变化较小,所以假设目标在单位时间内为匀速运动。定义Kalman滤波器系统状态是一个四维向量xk={xckyckxvkyvk},其中,xck,yck分别是目标在x轴y轴上的位置,xvk,yvk分别是目标在x轴y轴方向的速度。对于检测出的目标,从图像中我们只能观测出目标的位置,所以系统中采用的观测向量zk=[xzkyzk]T。
由于假设目标是在单位时间间隔内作匀速运动,所以状态转移矩阵定义为:
同时,观察矩阵仅涉及物体的位置,因此设定为:
相应的初始协方差为:
根据运动模型以及视频帧率的大小,我们可以推得物体偏离当前帧预测的位置误差在x和y方向上均为4个像素,同时速度误差为2个像素每帧。因此状态矢量系统误差协方差矩阵为:
测量误差大小假设为x和y方向均为2个像素,因此测量误差协方差矩阵设为:
Kalman滤波估计步骤:
初始化滤波器:初始位置由第一帧检测到的人体中心位置决定,初始速度为0。
状态预测:计算得到k时刻修正前的状态矢量和k时刻的预测协方差矩阵。
状态修正:以的前两个分量为k时刻的人体中心位置(xck′,yck′),重新检测运动目标,利用检测到的当前时刻的中心位置作为测量值用以修正预测值式,得到k时刻校正后的中心位置(xck,yck)。
上面介绍了利用Kalman滤波解决水下运动人员的位置跟踪的问题。下面介绍基于视觉分析的人体行为理解。
本装置选取速度与形态变化率为表征,通过单片机对水下目标的运动速度和形态变化率的分析,判断水下目标是处于正常状态或者是溺水状态。设定判断溺水的两个规则:
规则一:运动慢或者一直保持在一个小区域内不动。
规则二:不规则的快速的四肢运动。
倘若水下运动目标的运动状态处于上述两种情况,则认为目标处于溺水状态,对目标进行救援。
与现有技术相比,本发明的有益效果是:本发明解决了水下运动人员工作过程中无法进行直接观测、发生危险时无法及时进行报警的问题,采用视觉跟踪系统,对目标人员的运动过程进行实时观测,对目标人员的水下动作进行智能分析,当发生危险时进行自动报警,引导救援人员及时进行救援。本发明不仅缩短了发现危险的时间,提高了水下救生的效率,而且经济性得到了提高。
附图说明
附图1是本发明的组成示意图。
附图2是本发明的俯视结构示意图。
附图3是本发明的侧视结构示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明涉及一种对人的水下运动实时测量的、人的水下行为分析的、可自动报警的、基于视觉分析的水下测量救生装置及其实现方法,属于水下测量和救生研究领域。
附图1中,视觉跟踪系统包括单个摄像头,两个摄像头的指向可以根据实际的测量环境调整。
本发明包括视觉跟踪系统1、光电转换电路2、放大电路3、单片机4、滤波器5、接口6、报警装置7、防水外壳8。
本发明由于采用视觉跟踪系统,对目标人员的运动过程进行实时观测,对目标人员的水下动作进行智能分析,当发生危险时进行自动报警。不仅缩短了发现危险的时间,提高了水下救生的效率,而且经济性得到了提高。
视觉跟踪系统1的作用是在水下实时跟踪水下运动人员的位置,并且对各个时刻水下运动人员的动作进行摄像,然后将获得的图像信息通过光电转换电路2转化为电信号,将信号经过滤波器5滤波处理之后录入单片机4。单片机4对获得的信息进行分析处理,分析水下运动人员在该时刻的动作是否属于正常动作范畴,如果发现水下人员运动动作异常,发出信号到报警装置7,报警装置7发出报警,引导救援人员及时进行救援。
视觉跟踪系统由单个摄像头组成,摄像头的输出端与光电转换电路2相连;
光电转换电路2的输入端与摄像头1相连,输出端与放大电路3相连;
放大电路3的输入端与光电转换电路2相连,输出端与单片机4相连;
单片机4的输入端与放大电路3、滤波器5相连,输出端与滤波器5、接口6、报警装置7相连;
滤波器5的输入端与单片机4相连,输出端与单片机4相连;
接口6的输入端与单片机4相连。
报警装置7的输入端与单片机4相连。
防水外壳8将本发明置于密闭的防水壳中,便于本发明的工作。
具体实施方式一:下面结合图1说明本实施方式,本实施方式包括视觉跟踪系统、光电转换电路、放大电路、单片机。
视觉跟踪系统由单个摄像头组成,摄像头1的输出端与光电转换电路2相连;光电转换电路2的输入端与摄像头1相连,输出端与放大电路3相连;放大电路3的输入端与光电转换电路2相连,输出端与单片机4相连;单片机4的输入端与放大电路3相连。
单片机对视觉跟踪系统传递回来的信息进行处理,根据Kalman滤波对目标的运动位置(xck,yck)进行实时记录:
由于假设目标是在单位时间间隔内作匀速运动,所以状态转移矩阵定义为:
同时,观察矩阵仅涉及物体的位置,因此设定为:
相应的初始协方差为:
根据运动模型以及视频帧率的大小,我们可以推得物体偏离当前帧预测的位置误差在x和y方向上均为4个像素,同时速度误差为2个像素每帧。因此状态矢量系统误差协方差矩阵为:
测量误差大小假设为x和y方向均为2个像素,因此测量误差协方差矩阵设为:
Kalman滤波估计步骤:
初始化滤波器:初始位置由第一帧检测到的人体中心位置决定,初始速度为0。
状态预测:计算得到k时刻修正前的状态矢量和k时刻的预测协方差矩阵。
状态修正:以的前两个分量为k时刻的人体中心位置(xck′,yck′),重新检测运动目标,利用检测到的当前时刻的中心位置作为测量值用以修正预测值式,得到k时刻校正后的中心位置(xck,yck)。
根据图像信息的特征对目标的运动状态进行判断。
具体实施方式二:本实施方案与实施方案一的不同之处在于,它还包括报警装置7,当单片机4判断目标发生危险时,传递信号到报警装置7,报警装置7发出警报。
单片机对视觉跟踪系统传递回来的信息进行处理,根据Kalman滤波对目标的运动位置(xck,yck)进行实时记录,根据传递回来的图像对目标的运动特征进行分析,判断目标是否处于溺水状态。如果目标处于溺水状态,单片机发出信号到报警装置,报警装置发出警报。
具体实施方式三:本实施方案与实施方案二不同之处在于,它还包括与人机操作界面和显示系统相接的接口6,接口6的输入端与单片机4相连,输出端与人机操作界面和显示系统相连。
为了让操作者更加直观的对水下目标的运动状态进行观察与处理,特别加入了人机操作界面和显示系统。人机操作界面加入的目的是对摄像头的角度进行人为干预,对水下环境进行全面的观察。显示系统的目的是实施显示水下的环境,使岸上的人员对水下的环境有直观的了解。
Claims (4)
1.一种基于视觉分析的水下测量救生装置,其特征在于:包括视觉跟踪系统、光电转换电路、放大电路、单片机、滤波器、接口,报警装置,防水外壳,视觉跟踪系统由单个摄像头组成,摄像头的输出端与光电转换电路(2)相连;光电转换电路(2)的输入端与摄像头(1)相连,输出端与放大电路(3)相连;放大电路(3)的输入端与光电转换电路(2)相连,输出端与单片机(4)相连;单片机(4)的输入端与放大电路(3)、滤波器(5)相连,输出端与滤波器(5)、接口(6)、报警装置(7)相连;滤波器(5)的输入端与单片机(4)相连,输出端与单片机(4)相连;接口(6)的输入端与单片机(4)相连;报警装置(7)的输入端与单片机(4)相连。
2.根据权利要求1所述的一种基于视觉分析的水下测量救生装置,其特征在于:采用的目标运动参数为某一时刻目标的位置和速度,假设目标在单位时间内为匀速运动,定义Kalman滤波器系统状态是一个四维向量xk={xckyckxvkyvk},其中,xck,yck分别是目标在x轴y轴上的位置,xvk,yvk分别是目标在x轴y轴方向的速度,系统中采用的观测向量zk=[xzkyzk]T,
状态转移矩阵定义为:
同时,观察矩阵仅涉及物体的位置,因此设定为:
相应的初始协方差为:
根据运动模型以及视频帧率的大小,推得出物体偏离当前帧预测的位置误差在x和y方向上均为4个像素,同时速度误差为2个像素每帧,因此状态矢量系统误差协方差矩阵为:
测量误差大小假设为x和y方向均为2个像素,因此测量误差协方差矩阵设为:
Kalman滤波估计步骤:
初始化滤波器:初始位置由第一帧检测到的人体中心位置决定,初始速度为0,
状态预测:计算得到k时刻修正前的状态矢量和k时刻的预测协方差矩阵,
状态修正:以的前两个分量为k时刻的人体中心位置(xck′,yck′),重新检测运动目标,利用检测到的当前时刻的中心位置作为测量值用以修正预测值式,得到k时刻校正后的中心位置(xck,yck);
基于视觉分析的人体行为理解是:
选取速度与形态变化率为表征,通过单片机对水下目标的运动速度和形态变化率的分析,判断水下目标是处于正常状态或者是溺水状态,设定判断溺水的两个规则:
规则一:运动慢或者一直保持在一个小区域内不动,
规则二:不规则的快速的四肢运动,
倘若水下运动目标的运动状态处于上述两种情况,则认为目标处于溺水状态,对目标进行救援。
3.根据权利要求1所述的一种基于视觉分析的水下测量和救生装置,其特征在于:单片机对视觉跟踪系统传递回来的信息进行处理,根据Kalman滤波对目标的运动位置(xck,yck)进行实时记录,根据传递回来的图像对目标的运动特征进行分析,判断目标是否处于溺水状态,如果目标处于溺水状态,单片机发出信号到报警装置,报警装置发出警报。
4.根据权利要求1所述的一种基于视觉分析的水下测量和救生装置,其特征在于:为了让操作者更加直观的对水下目标的运动状态进行观察与处理,特别加入了人机操作界面和显示系统,人机操作界面加入的目的是对摄像头的角度进行人为干预,对水下环境进行全面的观察,显示系统的目的是实施显示水下的环境,使岸上的人员对水下的环境有直观的了解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510362797.4A CN105187764A (zh) | 2015-06-26 | 2015-06-26 | 一种基于视觉分析的水下测量救生装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510362797.4A CN105187764A (zh) | 2015-06-26 | 2015-06-26 | 一种基于视觉分析的水下测量救生装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105187764A true CN105187764A (zh) | 2015-12-23 |
Family
ID=54909587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510362797.4A Pending CN105187764A (zh) | 2015-06-26 | 2015-06-26 | 一种基于视觉分析的水下测量救生装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105187764A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022230A (zh) * | 2016-05-11 | 2016-10-12 | 太原理工大学 | 一种基于视频的游泳池溺水事件检测方法 |
CN113688724A (zh) * | 2021-08-24 | 2021-11-23 | 桂林电子科技大学 | 一种基于双目视觉的泳池溺水监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794387A (zh) * | 2010-03-30 | 2010-08-04 | 重庆邮电大学 | 一种智能康复系统及运用该系统进行肢体运动跟踪的方法 |
CN102693606A (zh) * | 2011-03-24 | 2012-09-26 | 中国人民解放军国防科学技术大学 | 一种基于摄像网络的泳池防溺水预警方法及系统 |
CN103413114A (zh) * | 2013-05-17 | 2013-11-27 | 浙江大学 | 一种基于支持向量机的溺水行为检测方法 |
CN104123000A (zh) * | 2014-07-09 | 2014-10-29 | 昆明理工大学 | 一种基于人脸特征检测的非侵入式鼠标指针控制方法及系统 |
-
2015
- 2015-06-26 CN CN201510362797.4A patent/CN105187764A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794387A (zh) * | 2010-03-30 | 2010-08-04 | 重庆邮电大学 | 一种智能康复系统及运用该系统进行肢体运动跟踪的方法 |
CN102693606A (zh) * | 2011-03-24 | 2012-09-26 | 中国人民解放军国防科学技术大学 | 一种基于摄像网络的泳池防溺水预警方法及系统 |
CN103413114A (zh) * | 2013-05-17 | 2013-11-27 | 浙江大学 | 一种基于支持向量机的溺水行为检测方法 |
CN104123000A (zh) * | 2014-07-09 | 2014-10-29 | 昆明理工大学 | 一种基于人脸特征检测的非侵入式鼠标指针控制方法及系统 |
Non-Patent Citations (1)
Title |
---|
王超: "基于视觉分析的水下报警算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022230A (zh) * | 2016-05-11 | 2016-10-12 | 太原理工大学 | 一种基于视频的游泳池溺水事件检测方法 |
CN106022230B (zh) * | 2016-05-11 | 2019-05-14 | 太原理工大学 | 一种基于视频的游泳池溺水事件检测方法 |
CN113688724A (zh) * | 2021-08-24 | 2021-11-23 | 桂林电子科技大学 | 一种基于双目视觉的泳池溺水监测方法 |
CN113688724B (zh) * | 2021-08-24 | 2023-03-24 | 桂林电子科技大学 | 一种基于双目视觉的泳池溺水监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038459A (zh) | 一种水下生物的检测识别方法、终端设备及存储介质 | |
CN102354422B (zh) | 一种面向周界防护的可疑目标监测方法 | |
CN107622505A (zh) | 一种泳池溺水监控检测方法 | |
KR102234697B1 (ko) | 수중드론을 이용하는 어망감시장치, 및 그 장치의 제어방법 | |
CN109816933B (zh) | 基于复合式传感器的老人防跌倒智能监测系统及监测方法 | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN112165600B (zh) | 一种溺水的识别方法、装置、摄像头及计算机系统 | |
CA2795896A1 (en) | Method and system for security system tampering detection | |
CN102982341A (zh) | 一种可跨摄像机的自适应人群密度估计方法 | |
Alshbatat et al. | Automated vision-based surveillance system to detect drowning incidents in swimming pools | |
CN110110797B (zh) | 一种基于多传感器融合的水面目标训练集自动采集方法 | |
CN110491060A (zh) | 一种机器人及其安全监控方法、装置及存储介质 | |
CN114155492A (zh) | 高空作业安全带挂绳高挂低用识别方法、装置和电子设备 | |
CN105187764A (zh) | 一种基于视觉分析的水下测量救生装置 | |
CN114764912A (zh) | 驾驶行为识别方法、设备和存储介质 | |
CN110597165B (zh) | 一种堆钢监测系统及堆钢监测方法 | |
Akhavian et al. | Construction activity recognition for simulation input modeling using machine learning classifiers | |
CN117011946B (zh) | 一种基于人体行为识别的无人救援方法 | |
KR101441742B1 (ko) | 지능형 수중 영상 시스템 | |
Handalage et al. | Computer vision enabled drowning detection system | |
CN106652343A (zh) | 一种基于视频监控的人体摔倒识别与预警系统 | |
CN111222477B (zh) | 一种基于视觉的双手离开方向盘检测方法及装置 | |
CN116682034A (zh) | 一种复杂生产作业场景下危险行为检测方法 | |
US20140055462A1 (en) | Method of defining image surveillance region | |
KR20150124613A (ko) | 레이저를 이용한 객체크기 측정 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151223 |
|
WD01 | Invention patent application deemed withdrawn after publication |