CN110084223A - 一种用于游泳池的监控方法及系统 - Google Patents
一种用于游泳池的监控方法及系统 Download PDFInfo
- Publication number
- CN110084223A CN110084223A CN201910386770.7A CN201910386770A CN110084223A CN 110084223 A CN110084223 A CN 110084223A CN 201910386770 A CN201910386770 A CN 201910386770A CN 110084223 A CN110084223 A CN 110084223A
- Authority
- CN
- China
- Prior art keywords
- drowned
- feature
- identification model
- video
- swimming pool
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 230000009182 swimming Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000013528 artificial neural network Methods 0.000 claims abstract description 6
- 210000003141 lower extremity Anatomy 0.000 claims description 9
- 210000001364 upper extremity Anatomy 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 210000003414 extremity Anatomy 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008921 facial expression Effects 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 4
- 206010013647 Drowning Diseases 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/08—Alarms for ensuring the safety of persons responsive to the presence of persons in a body of water, e.g. a swimming pool; responsive to an abnormal condition of a body of water
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Emergency Management (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种用于游泳池的监控方法及系统,通过对游泳者面部表情和肢体动作的识别分析来实现监控。其技术方案要点是在游泳池设置一种监控系统实施安全监控,所述监控系统包括视频采集单元、预处理单元、特征提取单元、训练单元、识别单元和报警单元,溺水识别模型训练完成后,视频采集单元采集游泳者的实时游泳视频,预处理和特征提取后输入到溺水识别模型,识别到溺水特征时,则触发报警单元进行报警。本公开采用游泳池监控方法及系统通过深度神经网络训练的溺水识别模型,对溺水有很好的预防作用。
Description
技术领域
本公开涉及图像识别和监控领域,尤其涉及一种用于游泳池的监控方法及系统。
背景技术
游泳作为一项广受大众喜爱的运动,它不仅健身、防病、而且对减肥、完美体形、增强肌肤弹性及活力都有着很好的效果,随着生活水平的提高,热爱游泳的人越来越多,也有很多居住小区配置了游泳池。相应地,游泳池的安全监控也在逐步升级,从最初的人工监控到视频监控,人工监控则很容易出现人为疏忽和视觉盲区,视频监控同样也存在这个问题。公布号为CN109584508A的发明专利申请,则是利用微波来监测是否有溺水行为,但这种方法一般只能检测到已经发生的溺水,有一定的局限性,对于溺水的预防并不能起到很好的作用。
发明内容
本公开的目的是提供一种游泳池监控方法及系统,通过对游泳者面部表情和肢体动作的识别分析来实现监控。
本公开的上述技术目的是通过以下技术方案得以实现的:
一种用于游泳池的监控方法,包括:
监控模型训练阶段:
收集游泳者面部视频、上肢动作视频和下肢动作视频,预处理后进行特征提取,其中,所述预处理将三维图像转为二维图像,所述特征包括溺水特征、预溺水特征和非溺水特征;
将所述特征分别输入到深度神经网络训练面部溺水识别模型、上肢溺水识别模型和下肢溺水识别模型;
监控阶段:
将游泳者实时游泳视频进行预处理和特征提取,然后分别输入到面部溺水识别模型、上肢溺水识别模型和下肢溺水识别模型进行溺水识别;
识别到所述溺水特征和预溺水特征时,触发报警。
作为具体实施例地,所述特征提取使用的算法为HOG算法,包括:
对整个图像进行gamma压缩,所述gamma压缩方法为:I(x,y)= I(x,y) gamma,其中,gamma∈(0,1),(x,y)为图像中的像素点;
(x,y)的梯度为:Gx(x,y)=H(x+1,y)-H(x-1,y),Gy(x,y)=H(x,y+1)-H(x,y-1),其中Gx(x,y)、Gy(x,y)、H(x,y)分别表示(x,y)的水平方向梯度、垂直方向梯度和像素值;
(x,y)的梯度幅值为,梯度方向为;
将图像分为不同的细胞单元,将所述细胞单元组合为块,在所述块内归一化直方图。
进一步地,每个所述块内的所述细胞单元的数量为s,每个所述细胞单元的像素为n*n,直方图通道数量为m,则所述细胞单元为m维特征向量,且每个所述块内的特征数为s*m。
进一步地,所述的值为。
一种用于游泳池的监控系统,包括:
视频采集单元,收集游泳者面部视频、上肢动作视频和下肢动作视频;
预处理单元,将三维图像转为二维图像;
特征提取单元,提取所述二维图像的特征,所述特征包括溺水特征、预溺水特征和非溺水特征;
训练单元,将所述特征投入深度神经网络训练溺水识别模型;
识别单元,使用所述溺水识别模型识别游泳者实时游泳视频的特征;
报警单元,识别到所述溺水特征和预溺水特征时,触发报警。
作为具体实施例地,所述溺水识别模型包括面部溺水识别模型、上肢溺水识别模型和下肢溺水识别模型。
作为具体实施例地,所述视频采集单元包括定位装置。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述任一所述的方法。
综上所述,本公开的有益效果在于:在游泳池设置一种监控系统实施安全监控,所述监控系统包括视频采集单元、预处理单元、特征提取单元、训练单元、识别单元和报警单元,溺水识别模型训练完成后,视频采集单元采集游泳者的实时游泳视频,预处理和特征提取后输入到溺水识别模型,识别到溺水特征时,则触发报警单元进行报警。本公开采用游泳池监控方法及系统通过深度神经网络训练的溺水识别模型,对溺水有很好的预防作用。
附图说明
图1为本公开流程示意图。
具体实施方式
以下结合附图对本公开作进一步详细说明。
本公开提供的用于游泳池的监控方法及系统的工作原理如图1所示:首先通过视频采集单元收集游泳者的游泳视频,包括面部视频、上肢和下肢动作视频,然后将收集到的视频进行预处理,预处理完成后进行特征提取,使用提取的特征训练溺水识别模型。溺水识别模型训练完成后则投入游泳池的监控使用,将游泳者的实时游泳视频进行预处理并提取特征,然后将特征输入到溺水识别模型进行识别,识别到溺水特征和预溺水特征就触发报警。
特征提取采用的算法为HOG算法,首先对整个图像进行gamma压缩,所述gamma压缩方法为:I(x,y)= I(x,y) gamma,其中,gamma∈(0,1),(x,y)为图像中的像素点,当gamma的值为时,后续的特征提取效果较好。则(x,y)的梯度为:Gx(x,y)=H(x+1,y)-H(x-1,y),Gy(x,y)=H(x,y+1)-H(x,y-1),其中Gx(x,y)、Gy(x,y)、H(x,y)分别表示(x,y)的水平方向梯度、垂直方向梯度和像素值;(x,y)的梯度幅值为,梯度方向为;最后将图像分为不同的细胞单元,将细胞单元组合为块,在块内归一化直方图。
一般若每个块内的所述细胞单元的数量为s,每个细胞单元的像素为n*n,直方图通道数量为m,那么细胞单元就是m维特征向量,并且每个块内的特征数为s*m。HOG算法的的优点在于,对图像几何的和光学的形变都能保持很好的不变性。
用于游泳池的监控系统包括视频采集单元、预处理单元、特征提取单元、训练单元、识别单元、报警单元和定位装置。视频采集单元采集水面和水下的视频,水面和水下设有多个采集装置,采集装置一般可用摄像头,根据游泳池的大小,可按固定距离设置摄像头,确保游泳池水面水下的每个角落都被摄像头包围。预处理单元一般是提取三维图像的特征然后映射为二维图像,特征提取单元再提取二维图像的特征。训练单元用来训练溺水识别模型,识别单元则识别溺水特征,识别到溺水特征和预溺水特征后,触发报警,然后根据定位装置定位到溺水者的位置,进行紧急救援。
使用本公开所述的方法及系统对游泳池进行监控,在训练溺水识别模型方面是一个重要的挑战,需要收集游泳者溺水时对应的面部表情和肢体动作时怎样的,非溺水时的正常面部表情和肢体动作是怎样的,通过提取这些图像数据的特征来进行训练,虽然前期的工作量较大,但训练完成后的使用成本就比较小,只要在监控区域内安装好足够的摄像头,通过系统分析运作就能实现溺水的监控,最重要的一点是,本公开的这种方法,可以通过面部表情和肢体动作监控到游泳者即将溺水的一种可能性,比如监控到游泳者抽筋或是呼吸不畅时的表情与动作,也会触发报警,对游泳者的安全有更好更全面的监护。这也是本公开提取特征包括溺水特征、预溺水特征和非溺水特征的目的所在。
以上为本公开示范性实施例,本公开的保护范围由权利要求书及其等效物限定。
Claims (8)
1.一种用于游泳池的监控方法,其特征在于,包括:
监控模型训练阶段:
收集游泳者面部视频、上肢动作视频和下肢动作视频,预处理后进行特征提取,其中,所述预处理将三维图像映射为二维图像,所述特征包括溺水特征、预溺水特征和非溺水特征;
将所述特征分别输入到深度神经网络训练面部溺水识别模型、上肢溺水识别模型和下肢溺水识别模型;
监控阶段:
将游泳者实时游泳视频进行预处理和特征提取,然后分别输入到面部溺水识别模型、上肢溺水识别模型和下肢溺水识别模型进行溺水识别;
识别到所述溺水特征和预溺水特征时,触发报警。
2.如权利要求1所述的一种用于游泳池的监控方法,其特征在于,所述特征提取使用的算法为HOG算法,包括:
对整个图像进行gamma压缩,所述gamma压缩方法为:I(x,y)= I(x,y) gamma,其中,gamma∈(0,1),(x,y)为图像中的像素点;
(x,y)的梯度为:Gx(x,y)=H(x+1,y)-H(x-1,y),Gy(x,y)=H(x,y+1)-H(x,y-1),其中Gx(x,y)、Gy(x,y)、H(x,y)分别表示(x,y)的水平方向梯度、垂直方向梯度和像素值;
(x,y)的梯度幅值为,梯度方向为;
将图像分为不同的细胞单元,将所述细胞单元组合为块,在所述块内归一化直方图。
3.如权利要求2所述的一种用于游泳池的监控方法,其特征在于,每个所述块内的所述细胞单元的数量为s,每个所述细胞单元的像素为n*n,直方图通道数量为m,则所述细胞单元为m维特征向量,且每个所述块内的特征数为s*m。
4.如权利要求2所述的一种用于游泳池的监控方法,其特征在于,所述gamma的值为。
5.一种用于游泳池的监控系统,其特征在于,包括:
视频采集单元,收集游泳者面部视频、上肢动作视频和下肢动作视频;
预处理单元,将三维图像映射为二维图像;
特征提取单元,提取所述二维图像的特征,所述特征包括溺水特征、预溺水特征和非溺水特征;
训练单元,将所述特征投入深度神经网络训练溺水识别模型;
识别单元,使用所述溺水识别模型识别游泳者实时游泳视频的特征;
报警单元,识别到所述溺水特征和预溺水特征时,触发报警。
6.如权利要求5所述的一种用于游泳池的监控系统,其特征在于,所述溺水识别模型包括面部溺水识别模型、上肢溺水识别模型和下肢溺水识别模型。
7.如权利要求5所述的一种用于游泳池的监控系统,其特征在于,所述视频采集单元包括定位装置。
8.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1-4任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910386770.7A CN110084223A (zh) | 2019-05-10 | 2019-05-10 | 一种用于游泳池的监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910386770.7A CN110084223A (zh) | 2019-05-10 | 2019-05-10 | 一种用于游泳池的监控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084223A true CN110084223A (zh) | 2019-08-02 |
Family
ID=67419581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910386770.7A Pending CN110084223A (zh) | 2019-05-10 | 2019-05-10 | 一种用于游泳池的监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084223A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223273A (zh) * | 2020-01-21 | 2020-06-02 | 张婧怡 | 一种用于游泳池落水人员甄别定位方法、装置及系统 |
CN111368743A (zh) * | 2020-03-05 | 2020-07-03 | 北京科技大学 | 一种基于监控视频的游泳馆深水区早期危险行为检测方法 |
CN111626162A (zh) * | 2020-05-18 | 2020-09-04 | 江苏科技大学苏州理工学院 | 基于时空大数据分析的水上救援系统及溺水警情预测方法 |
CN112489371A (zh) * | 2020-11-26 | 2021-03-12 | 上海天健体育科技发展有限公司 | 一种基于计算机视觉的泳池防溺水预警系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105678284A (zh) * | 2016-02-18 | 2016-06-15 | 浙江博天科技有限公司 | 一种固定位人体行为分析方法 |
CN108877152A (zh) * | 2018-05-30 | 2018-11-23 | 深圳市赛亿科技开发有限公司 | 一种婴儿游泳池的监控管理方法及系统 |
CN109522793A (zh) * | 2018-10-10 | 2019-03-26 | 华南理工大学 | 基于机器视觉的多人异常行为检测与识别方法 |
CN109584509A (zh) * | 2018-12-27 | 2019-04-05 | 太仓市小车东汽车服务有限公司 | 一种基于红外线与可见光组合的游泳池溺水监测方法 |
-
2019
- 2019-05-10 CN CN201910386770.7A patent/CN110084223A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105678284A (zh) * | 2016-02-18 | 2016-06-15 | 浙江博天科技有限公司 | 一种固定位人体行为分析方法 |
CN108877152A (zh) * | 2018-05-30 | 2018-11-23 | 深圳市赛亿科技开发有限公司 | 一种婴儿游泳池的监控管理方法及系统 |
CN109522793A (zh) * | 2018-10-10 | 2019-03-26 | 华南理工大学 | 基于机器视觉的多人异常行为检测与识别方法 |
CN109584509A (zh) * | 2018-12-27 | 2019-04-05 | 太仓市小车东汽车服务有限公司 | 一种基于红外线与可见光组合的游泳池溺水监测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223273A (zh) * | 2020-01-21 | 2020-06-02 | 张婧怡 | 一种用于游泳池落水人员甄别定位方法、装置及系统 |
CN111368743A (zh) * | 2020-03-05 | 2020-07-03 | 北京科技大学 | 一种基于监控视频的游泳馆深水区早期危险行为检测方法 |
CN111626162A (zh) * | 2020-05-18 | 2020-09-04 | 江苏科技大学苏州理工学院 | 基于时空大数据分析的水上救援系统及溺水警情预测方法 |
CN111626162B (zh) * | 2020-05-18 | 2023-06-02 | 江苏科技大学苏州理工学院 | 基于时空大数据分析的水上救援系统及溺水警情预测方法 |
CN112489371A (zh) * | 2020-11-26 | 2021-03-12 | 上海天健体育科技发展有限公司 | 一种基于计算机视觉的泳池防溺水预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084223A (zh) | 一种用于游泳池的监控方法及系统 | |
CN105347127B (zh) | 电梯轿厢内异常情况的监控系统及监控方法 | |
Islam et al. | Yoga posture recognition by detecting human joint points in real time using microsoft kinect | |
CN103021136B (zh) | 一种基于物联网的游泳池溺水监控系统及监控方法 | |
Fieraru et al. | Aifit: Automatic 3d human-interpretable feedback models for fitness training | |
CN109508736A (zh) | 一种基于深度学习的监狱异常情况监测方法及监测系统 | |
CN105518710B (zh) | 视频检测方法、视频检测系统以及计算机程序产品 | |
CN109584509A (zh) | 一种基于红外线与可见光组合的游泳池溺水监测方法 | |
CN111753747B (zh) | 基于单目摄像头和三维姿态估计的剧烈运动检测方法 | |
CN102693606A (zh) | 一种基于摄像网络的泳池防溺水预警方法及系统 | |
CN102136066A (zh) | 一种视频序列中人体动作的识别方法 | |
CN112489368A (zh) | 智能跌倒识别与检测报警方法及系统 | |
CN104484654A (zh) | 基于模式识别与指纹匹配定位算法的防溺水识别方法 | |
CN113657306B (zh) | 跟踪游泳的方法、装置、存储介质和终端设备 | |
CN103021053A (zh) | 一种人脸面部识别安防系统 | |
CN110155274A (zh) | 一种游泳池水下智能救生系统 | |
CN111950458A (zh) | 一种游泳馆监控系统、方法及智能机器人 | |
CN107705009B (zh) | 运动场地管理系统和运动场地管理方法 | |
CN110852362B (zh) | 溺水事件检测方法及装置、计算机可读存储介质 | |
CN107480578A (zh) | 一种利用人群行为分析的视频检测系统及方法 | |
CN117409538A (zh) | 用于护理的无线防跌倒报警系统及方法 | |
Liu et al. | Gender recognition using dynamic gait energy image | |
CN111079481A (zh) | 一种基于二维骨架信息的攻击性行为识别方法 | |
CN117423061A (zh) | 一种基于人工智能的智慧园区智能监控系统 | |
CN107729874B (zh) | 一种基于时空邻域特征的泳池溺水检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
RJ01 | Rejection of invention patent application after publication |