CN111626162B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111626162B CN111626162B CN202010418350.5A CN202010418350A CN111626162B CN 111626162 B CN111626162 B CN 111626162B CN 202010418350 A CN202010418350 A CN 202010418350A CN 111626162 B CN111626162 B CN 111626162B
- Authority
- CN
- China
- Prior art keywords
- human body
- water area
- drowning
- early warning
- information
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 167
- 206010013647 Drowning Diseases 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 107
- 238000013135 deep learning Methods 0.000 claims abstract description 34
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000009193 crawling Effects 0.000 claims description 9
- 230000001788 irregular Effects 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 2
- 238000012731 temporal analysis Methods 0.000 claims 2
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002169 extracardiac Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63C—LAUNCHING, HAULING-OUT, OR DRY-DOCKING OF VESSELS; LIFE-SAVING IN WATER; EQUIPMENT FOR DWELLING OR WORKING UNDER WATER; MEANS FOR SALVAGING OR SEARCHING FOR UNDERWATER OBJECTS
- B63C9/00—Life-saving in water
- B63C9/0005—Life-saving in water by means of alarm devices for persons falling into the water, e.g. by signalling, by controlling the propulsion or manoeuvring means of the boat
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Emergency Management (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于时空大数据分析的溺水警情预测方法,包括:建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络模型训练,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;若人体实际身高低于身高阈值时,标记为未成年人,反之,标记为成年人;根据身高检测结果划分预警等级,根据划分的预警等级进行预警。本发明结合水边人体身高检测及溺水者检测进行警情预测,开展两阶段预警报警联动方案,设定预警等级和实时报警以实现对溺水者的及时有效救援。
Description
技术领域
本发明涉及水上救援技术领域,具体地涉及一种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,将大数据技术、深度学习技术应用于水上救援系统中。
背景技术
我国水域广阔,人工湖、水库、湖泊、河流等数量较大,存在安全措施不到位、监控盲区死角等问题,失足落水或失意跳桥者时而发生,会造成溺水死亡事故,尤其是暑假往往是未成年人溺亡的高发季节。当发生人员落水后,一般是被动求救、事后响应,传统救援方式效率低,而下水营救导致的救援人员发生意外也屡见不鲜,造成巨大的社会影响。
为有效实施水上救援,目前已出现无人机、救生船、救生圈等智能水上救援装置,如申请号为CN201711316615.5的发明专利提供了一种基于物联网的用于海上救援的智能无人机,如申请号为CN201810083858.7的发明专利公开的一种基于无人机和救生圈联动的水上智能救生装置,这些设备通过信息手段相互联系,并将数据传送至后台监控终端。但是现有关于水上救援技术主要集中在硬件设计,目前还缺乏对全国范围内溺水信息及水上救援大数据支撑平台,且针对溺水警情缺乏切实高效地预测方法。为达成这一目标,需要对人体及年龄进行识别,现有技术识别年龄通常基于人脸或身高检测,人脸会受到观测角度或水的影响,而识别人体身高的技术通常采用参考面标定进行测量,这在水上救援领域的实际应用中均会受到限制。本发明因此而来。
发明内容
针对上述存在的技术问题,本发明目的是:提供了一种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,基于深度学习进行人体检测,包括水边人体身高检测及溺水者检测两部分,可以快速标记出视频中人体的身高,提高溺水者检测速度,结合水边人体身高检测及溺水者检测进行警情预测,开展两阶段预警报警联动方案,设定预警等级和实时报警以实现对溺水者的及时有效救援,减少人员伤亡。
本发明的技术方案是:
一种基于时空大数据分析的溺水警情预测方法,包括以下步骤:
S01:建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络模型训练,首先挖掘识别人体和水域,进一步挖掘识别图像中人体所占图像大小与人体实际高度的关系,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;
S02:获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;
S03:将人体实际身高与身高阈值比较,若人体实际身高低于身高阈值时,标记为未成年人,反之,标记为成年人;得到身高检测结果;
S04:根据身高检测结果划分预警等级,根据划分的预警等级进行预警。
优选的技术方案中,所述步骤S04之后还包括以下步骤:
S05:对得到的水域区域采用级联卷积神经网络进行脸部检测;
S06:对得到的水域区域采用全卷积头部检测器进行头部检测;
S07:判断是否检测到脸部或头部,若检测到脸部或头部,判断水域中出现溺水者,若检测到溺水者进行报警。
优选的技术方案中,所述步骤S04中预警等级的划分包括:当水域区域外检测到的人体全部为未成年人时,预警等级为高;当水域区域外检测到的人体包括未成年人和成年人时,预警等级为中;当水域区域外检测到的人体全部为成年人时,预警等级为低。
优选的技术方案中,若预警等级为高时,进行报警。
优选的技术方案中,还包括:
采用大数据爬取技术将采集的历史数据存入分布式数据库中,所述历史数据包括基础信息、溺水信息、救援结果;
对历史数据进行预处理,根据获取溺水区域分布、时间分布、溺水信息等,确定水域危险等级,建立水域风险等级数据库;
获得水域风险等级高的水域,以地图高亮、公告、弹窗、发送信息的形式实时对公众进行预警,提醒公众远离高危水域,并为救援设备的定时与不定时巡航监控提供依据。
本发明还公开了一种基于时空大数据分析的水上救援系统,包括:
基础信息模块:融合高分辨率地理数据、多源遥感数据、统计数据,集成数据资源建立不同基础信息图层,实现全国水域的空间可视化,结合GIS地理信息空间数据服务信息进行数据挖掘分析;
溺水信息模块:从多种数据源中挖掘溺水信息,所述溺水信息包括溺水地点、溺水时间、溺水人员信息、溺水原因、溺水警情程度、救援结果,将溺水信息以半结构化形式保存;
巡航监控模块:提供接口与智能救援设备信息连接,对水域进行巡航和摄像,实时记录并保存图像信息;
人体检测模块:包括身高检测方法,所述身高检测方法包括以下步骤:
S01:建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络模型训练,首先挖掘识别人体和水域,进一步挖掘识别图像中人体所占图像大小与人体实际高度的关系,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;
S02:获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;
S03:将人体实际身高与身高阈值比较,若人体实际身高低于身高阈值时,标记为未成年人,反之,标记为成年人;得到身高检测结果;
预警报警模块:依据人体检测结果,采用预警报警两阶段联动方法,救援组织根据预警等级采取不同的预警措施,根据报警按照危险程度规划救援人员和设备;
资源共享模块:包括水域介绍、水域风险管理、溺水案例信息、救援装备使用、救助知识学习、未成年人专区。
优选的技术方案中,所述预警报警模块中根据身高检测结果划分预警等级,根据划分的预警等级进行预警,所述预警等级的划分包括:当水域区域外检测到的人体全部为未成年人时,预警等级为高;当水域区域外检测到的人体包括未成年人和成年人时,预警等级为中;当水域区域外检测到的人体全部为成年人时,预警等级为低。
优选的技术方案中,所述人体检测模块还包括溺水者检测方法,包括:
S05:对得到的水域区域采用级联卷积神经网络进行脸部检测;
S06:对得到的水域区域采用全卷积头部检测器进行头部检测;
S07:判断是否检测到脸部或头部,若检测到脸部或头部,判断水域中出现溺水者。
优选的技术方案中,还包括时空分析模块,时空分析包括以下步骤:
采用大数据爬取技术将采集的历史数据存入分布式数据库中,所述历史数据包括基础信息、溺水信息、救援结果;
对历史数据进行预处理,根据获取溺水区域分布、时间分布、溺水信息等,确定水域危险等级,建立水域风险等级数据库;
获得水域风险等级高的水域,以地图高亮、公告、弹窗、发送信息的形式实时对公众进行预警,提醒公众远离高危水域,并为救援设备的定时与不定时巡航监控提供依据。
优选的技术方案中,所述基础信息模块中结合GIS地理信息空间数据服务信息进行数据挖掘分析,包括以下步骤:采用GIS缓冲区分析对各水域设置缓冲区,采用大数据爬虫技术爬取各水域缓冲区范围内的天气信息,所述天气信息包括温度、湿度、风速、风向、气压,并根据时间实时更新数据,各部分数据叠加显示在水域底图上。
与现有技术相比,本发明的优点是:
本发明通过利用地理信息系统集成大数据技术建立时空大数据分析的水上救援平台,将地理信息系统、人工智能、大数据技术集成应用于水上救援中,深入挖掘高价值信息,为水上救援提供基础服务及决策支持,实现智能救援目的。
从海量大数据中挖掘出有价值信息,基于深度学习进行人体检测,包括水边人体身高检测及溺水者检测两部分,可以快速标记出视频中人体的身高,提高溺水者检测速度,结合水边人体身高检测及溺水者检测进行警情预测,开展两阶段预警报警联动方案,设定预警等级和实时报警以实现对溺水者的及时有效救援,在发生警情后快速实现精准有效的水上救援,从根本上减少人员伤亡和经济损失。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1是本发明基于时空大数据分析的溺水警情预测方法的流程图;
图2是本发明基于时空大数据分析的水上救援系统的架构图;
图3是本发明人体检测模块视频人体身高检测方法的流程图;
图4是本发明人体检测模块溺水者检测方法的流程图;
图5是本发明中预警报警模块的两阶段预警报警联动方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在一个实施例中,如图1所示的步骤S01-S04,一种基于时空大数据分析的溺水警情预测方法,包括以下步骤:
S01:建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络模型训练,首先挖掘识别人体和水域,进一步挖掘识别图像中人体所占图像大小与人体实际高度的关系,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;
S02:获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;
S03:将人体实际身高与身高阈值比较,若人体实际身高低于身高阈值时,标记为未成年人,反之,标记为成年人;得到身高检测结果;
S04:根据身高检测结果划分预警等级,根据划分的预警等级进行预警。
若没有检测到人体,不进行预警。
该身高检测方法是基于深度学习的人体身高检测方法,可以适用于不同水域场景,无需对视频进行后续处理,可以快速标记出视频中人体的身高。
在一个较佳的实施例中,预警等级的划分可以为:当水域区域外检测到的人体全部为未成年人时,预警等级为高;当水域区域外检测到的人体包括未成年人和成年人时,预警等级为中;当水域区域外检测到的人体全部为成年人时,预警等级为低。
在另一实施例中,如图1所示,在上述实施例的基础上还包括溺水者检测,溺水者检测方法包括以下步骤:
S05:对得到的水域区域采用级联卷积神经网络进行脸部检测;
S06:对得到的水域区域采用全卷积头部检测器进行头部检测;
S07:判断是否检测到脸部或头部,若检测到脸部或头部,判断水域中出现溺水者,若检测到溺水者进行报警。
该方法聚焦脸部及头部检测的人体检测方法(Face-Head-focused HumanDetection,FHHD),定位图片中人体的脸部或头部,返回高精度的脸部或头部矩形框坐标,提高溺水者检测速度,为救援赢得关键时间。
在一较佳的实施例中,若预警等级为高时,可以直接进行报警。
当平台未预警(水域外未检测到人体),若检测到水域中出现溺水者,直接报警。救援组织均可根据预警等级或报警开展联动救援,预防溺水者检测遗漏导致的救援不及时现象,最大程度保证人员安全。
采用预警、报警两阶段联动方案,该方法可以快速划分可能的溺水者年龄,通过发布预警后,救援组织可以通过查看视频再次确定检测结果,并根据预警等级及实际观察结果采取针对性的预警措施。当检测出水中出现溺水者后,平台则自动报警。
在一个实施例中,还可以在上述实施例的基础上,进一步包括:
采用大数据爬取技术将采集的历史数据存入分布式数据库中,所述历史数据包括基础信息、溺水信息、救援结果;
对历史数据进行预处理,根据获取溺水区域分布、时间分布、溺水信息等,确定水域危险等级,建立水域风险等级数据库;
获得水域风险等级高的水域,以地图高亮、公告、弹窗、发送信息的形式实时对公众进行预警,提醒公众远离高危水域,并为救援设备的定时与不定时巡航监控提供依据。
如图2所示,为本发明的水上救援时空大数据分析平台架构图,包括基础信息模块、溺水信息模块、时空分析模块、巡航监控模块、人体检测模块、预警报警模块、资源共享模块,下面对各模块及其使用的主要技术进行详细介绍。
基础信息模块:
这是平台数据基础,包括水域空间分布、人口时空分布、天气时空分布等。融合高分辨率多源遥感数据,对遥感影像进行光谱校正和地理校正,采用归一化水体指数(NDWI)对水体进行识别,叠加基础地图图层,对全国范围水域进行空间可视化,并根据遥感影像动态变化识别,建立基础水域底图,以GIS格式图层存储;
通过各地统计年鉴获取人口及其相关经济数据,包括人口总数、男女比例、年龄组成、人均收入等;获取微博、贴吧、知乎等热门社交平台使用者的时空分布数据;作为以下溺水人员的统计数据基础,以结构化形式存储;
采用GIS缓冲区分析对各水域设置缓冲区,采用大数据爬虫技术爬取各水域缓冲区范围内的天气信息,包括温度、湿度、风速、风向、气压,并根据时间实时更新数据。各部分数据叠加显示在水域底图上。
溺水信息模块:
该模块主要针对溺水信息的收集,这是平台的重点信息保障。运用机器学习、自然语言处理等技术在网上搜索溺水相关信息,包括溺水地点、溺水时间、溺水人员性别、年龄等基本信息、溺水原因、求救方式、溺水警情程度、救助力量、救援设备、救援结果等;
该模块每天夜里在资源占用最小的情况下自动运行进行信息收集,将结果以半结构化格式保存,并实时更新显示,增加每日新增字段,作为后续模块分析使用,此外定期对数据进行人工交叉验证核实,确保数据准确性。
采用文本聚类算法分析溺水发生后社交平台动态、热点程度,根据同类文档相似度较大、不同类文档相似度较小,对文本信息进行有效地组织,将相关内容以非结构化格式存储,将热点程度以结构化格式存储,用以后续展示;
时空分析模块:
该模块是平台的时空数据分析及展示。采用大数据爬取技术将采集的基础信息、溺水信息、救援结果等历史数据存入分布式数据库中,对历史数据进行预处理,水域风险等级数值化;提取温度、降水信息;溺水人员分为未成年人和成年人两类并数值化;根据救援结果标记危险程度数值化标签。
采用数据可视化与GIS技术,以热力图、聚合图、填色图等展示溺水信息,以动态曲线图展示社交热点时间动态变化,以南丁格尔玫瑰图展示每日新增溺水警情;
根据获取溺水区域分布、时间分布、溺水信息等,确定水域危险等级,建立水域风险等级数据库,风险等级以0-3表示,其中,0代表无风险、1代表低风险、2代表中风险、3代表高风险;获得溺水警情高发水域,以地图高亮、公告、弹窗、发送信息的形式实时对公众进行预警,提醒公众远离高危水域,并为救援设备的定时与不定时巡航监控提供依据。
示例数据如下表所示:
巡航监控模块:
该模块是平台的预留接口,可将无人机、救生圈、救生船等智能救援设备信息接入,依据基础信息和溺水信息以及时空分析结果,重点对警情高发区域进行巡航和摄像,实时记录并保存影像信息,便于救援工作的有效开展和信息存储。
人体检测模块:
该模块是平台的重点功能,具体分为水边人体身高检测及溺水者检测两部分。针对水边人体身高检测,本发明提供了一种基于深度学习的视频人体身高检测方法,该方法只需固定摄像头加装位置,即可应用于不同水域场景中,识别出出现在视频中的人体身高。如图3所示,其步骤如下:
S1、建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络训练,首先挖掘识别人体和水域,进一步挖掘识别图像中人体所占图像大小与人体实际高度的关系,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;
S2:获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;基于深度学习的人体身高检测方法可以适用于不同水域场景,无需对视频进行后续处理,可以快速标记出视频中人体的身高。
针对溺水者检测,本发明根据溺水者在水中常见姿态分析,溺水人员通常以脸部和头部特征暴露在水面为主,提出聚焦脸部及头部检测的人体检测方法(Face-Head-focused Human Detection,FHHD),定位图片中人体的脸部或头部,返回高精度的脸部或头部矩形框坐标,提高溺水者检测速度,为救援赢得关键时间。如图4所示,溺水者检测方法FHHD分为三个步骤:
S1、采用级联卷积神经网络(CascadeCNN)进行脸部检测;
S2、采用全卷积头部检测器(FCHD)进行头部检测;
S3、识别出脸部或头部任一则视为检测出溺水者,即刻开展后续救援工作。脸部和头部双重检测机制可以很大程度保证不遗漏溺水者。
预警报警模块:
该模块是平台的重点功能,提供一种基于人体检测的两阶段预警报警联动方案,如图5所示,步骤如下:
S1、一阶段为预警。①根据人体检测模块中的视频人体身高检测结果划分未成年人及成年人:当检测出出现在水边的人体身高低于1.5m时,标记为未成年人,高于1.5m标记为成年人;②根据身高检测结果将预警等级划分为高、中、低三个等级,划分标准为:当水域边全部检测为未成年人时,预警等级为高;当水域边有未成年人和成年人同时存在时,预警等级为中;当水域边全部检测为成年人时,预警等级为低。该方法可以快速划分可能的溺水者年龄,通过发布预警后,救援组织可以通过查看视频再次确定检测结果,并根据预警等级及实际观察结果采取针对性的预警措施。
S2、二阶段为报警,当检测出水中出现溺水者后,平台则自动报警,救援组织根据报警按照危险程度规划救援人员和设备,及时开展救援行动,提高救援效率,在保证溺水者安危的前提下,降低资源使用和人员伤亡。
S3、当溺水者还未检测出、平台尚未报警时,或者当平台未预警而直接报警时,救援组织均可根据预警等级或报警开展联动救援,预防溺水者检测遗漏导致的救援不及时现象,最大程度保证人员安全。
资源共享模块:
该模块是平台的补充功能。主要包括水域介绍、水域风险管理信息、溺水案例信息、救援装备使用、救助知识学习、未成年人专区等方面。
其中水域介绍详细列出当前水域位置、面积等基本信息;水灾风险管理说明水域的风险程度变化;溺水案例信息提供典型的溺水事件;救援装备的使用介绍常用的传统及智能装备知识,提升全警应对溺水类警情现场救援处置能力;救助知识分享提供安全救护和复苏方法、外伤应急处置、人工呼吸心外按摩等救生知识;未成年人专区介绍针对未成年人溺水事件的注意事项、溺水防护、溺水辨别及施救方法等。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种基于时空大数据分析的溺水警情预测方法,其特征在于,包括以下步骤:
S01:建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络模型训练,首先挖掘识别人体和水域,进一步挖掘识别图像中人体所占图像大小与人体实际高度的关系,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;
S02:获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;
S03:将人体实际身高与身高阈值比较,若人体实际身高低于身高阈值时,标记为未成年人,反之,标记为成年人;得到身高检测结果;
S04:根据身高检测结果划分预警等级,根据划分的预警等级进行预警。
2.根据权利要求1所述的基于时空大数据分析的溺水警情预测方法,其特征在于,所述步骤S04之后还包括以下步骤:
S05:对得到的水域区域采用级联卷积神经网络进行脸部检测;
S06:对得到的水域区域采用全卷积头部检测器进行头部检测;
S07:判断是否检测到脸部或头部,若检测到脸部或头部,判断水域中出现溺水者,若检测到溺水者进行报警。
3.根据权利要求1所述的基于时空大数据分析的溺水警情预测方法,其特征在于,所述步骤S04中预警等级的划分包括:当水域区域外检测到的人体全部为未成年人时,预警等级为高;当水域区域外检测到的人体包括未成年人和成年人时,预警等级为中;当水域区域外检测到的人体全部为成年人时,预警等级为低。
4.根据权利要求3所述的基于时空大数据分析的溺水警情预测方法,其特征在于,若预警等级为高时,进行报警。
5.根据权利要求2所述的基于时空大数据分析的溺水警情预测方法,其特征在于,还包括:
采用大数据爬取技术将采集的历史数据存入分布式数据库中,所述历史数据包括基础信息、溺水信息、救援结果;
对历史数据进行预处理,根据获取溺水区域分布、时间分布、溺水信息等,确定水域危险等级,建立水域风险等级数据库;
获得水域风险等级高的水域,以地图高亮、公告、弹窗、发送信息的形式实时对公众进行预警,提醒公众远离高危水域,并为救援设备的定时与不定时巡航监控提供依据。
6.一种基于时空大数据分析的水上救援系统,其特征在于,包括:
基础信息模块:融合高分辨率地理数据、多源遥感数据、统计数据,集成数据资源建立不同基础信息图层,实现全国水域的空间可视化,结合GIS地理信息空间数据服务信息进行数据挖掘分析;
溺水信息模块:从多种数据源中挖掘溺水信息,所述溺水信息包括溺水地点、溺水时间、溺水人员信息、溺水原因、溺水警情程度、救援结果,将溺水信息以半结构化形式保存;
巡航监控模块:提供接口与智能救援设备信息连接,对水域进行巡航和摄像,实时记录并保存图像信息;
人体检测模块:包括身高检测方法,所述身高检测方法包括以下步骤:
S01:建立不同人体身高不同水域场景数据库,根据数据库采用多任务深度卷积神经网络模型训练,首先挖掘识别人体和水域,进一步挖掘识别图像中人体所占图像大小与人体实际高度的关系,获得基于深度学习水域检测模型及基于深度学习人体身高检测模型;
S02:获取图像数据,通过基于深度学习水域检测模型提取图像中水域区域外的人体,计算人体所占图像大小,通过基于深度学习人体身高检测模型得到人体实际身高;
S03:将人体实际身高与身高阈值比较,若人体实际身高低于身高阈值时,标记为未成年人,反之,标记为成年人;得到身高检测结果;
预警报警模块:依据人体检测结果,采用预警报警两阶段联动方法,救援组织根据预警等级采取不同的预警措施,根据报警按照危险程度规划救援人员和设备;
资源共享模块:包括水域介绍、水域风险管理、溺水案例信息、救援装备使用、救助知识学习、未成年人专区。
7.根据权利要求6所述的基于时空大数据分析的水上救援系统,其特征在于,所述预警报警模块中根据身高检测结果划分预警等级,根据划分的预警等级进行预警,所述预警等级的划分包括:当水域区域外检测到的人体全部为未成年人时,预警等级为高;当水域区域外检测到的人体包括未成年人和成年人时,预警等级为中;当水域区域外检测到的人体全部为成年人时,预警等级为低。
8.根据权利要求6所述的基于时空大数据分析的水上救援系统,其特征在于,所述人体检测模块还包括溺水者检测方法,包括:
S05:对得到的水域区域采用级联卷积神经网络进行脸部检测;
S06:对得到的水域区域采用全卷积头部检测器进行头部检测;
S07:判断是否检测到脸部或头部,若检测到脸部或头部,判断水域中出现溺水者。
9.根据权利要求6所述的基于时空大数据分析的水上救援系统,其特征在于,还包括时空分析模块,时空分析包括以下步骤:
采用大数据爬取技术将采集的历史数据存入分布式数据库中,所述历史数据包括基础信息、溺水信息、救援结果;
对历史数据进行预处理,根据获取溺水区域分布、时间分布、溺水信息等,确定水域危险等级,建立水域风险等级数据库;
获得水域风险等级高的水域,以地图高亮、公告、弹窗、发送信息的形式实时对公众进行预警,提醒公众远离高危水域,并为救援设备的定时与不定时巡航监控提供依据。
10.根据权利要求6所述的基于时空大数据分析的水上救援系统,其特征在于,所述基础信息模块中结合GIS地理信息空间数据服务信息进行数据挖掘分析,包括以下步骤:采用GIS缓冲区分析对各水域设置缓冲区,采用大数据爬虫技术爬取各水域缓冲区范围内的天气信息,所述天气信息包括温度、湿度、风速、风向、气压,并根据时间实时更新数据,各部分数据叠加显示在水域底图上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418350.5A CN111626162B (zh) | 2020-05-18 | 2020-05-18 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418350.5A CN111626162B (zh) | 2020-05-18 | 2020-05-18 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626162A CN111626162A (zh) | 2020-09-04 |
CN111626162B true CN111626162B (zh) | 2023-06-02 |
Family
ID=72259880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010418350.5A Active CN111626162B (zh) | 2020-05-18 | 2020-05-18 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626162B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862647A (zh) * | 2021-01-29 | 2021-05-28 | 中国船舶重工集团公司第七一四研究所 | 一种水上应急救援辅助决策系统构建方法 |
CN113076799A (zh) * | 2021-03-02 | 2021-07-06 | 深圳市哈威飞行科技有限公司 | 溺水识别报警方法、装置、平台、系统及存储介质 |
CN113506426B (zh) * | 2021-07-12 | 2022-02-18 | 重庆东登科技有限公司 | 水上救援的危险预警系统 |
CN113658394B (zh) * | 2021-08-12 | 2023-10-31 | 中冶京诚工程技术有限公司 | 河道监控方法及装置 |
CN114267082B (zh) * | 2021-09-16 | 2023-08-11 | 南京邮电大学 | 基于深度理解的桥侧坠落行为识别方法 |
CN113936248B (zh) * | 2021-10-12 | 2023-10-03 | 河海大学 | 一种基于图像识别的海滩人员危险性预警方法 |
CN115222303B (zh) * | 2022-09-20 | 2022-11-25 | 北京共识数信科技有限公司 | 基于大数据的行业风险数据分析方法、系统及存储介质 |
CN115503906B (zh) * | 2022-09-28 | 2024-09-24 | 杭州雅格纳科技有限公司 | 人员落水智能救生系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951838A (zh) * | 2017-03-07 | 2017-07-14 | 四川省建筑设计研究院 | 一种基于图像水纹的落水报警系统 |
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 |
TWI657379B (zh) * | 2018-05-31 | 2019-04-21 | 國立勤益科技大學 | 智慧深度學習溺水救生系統 |
CN110084223A (zh) * | 2019-05-10 | 2019-08-02 | 南京硅基智能科技有限公司 | 一种用于游泳池的监控方法及系统 |
CN110210323A (zh) * | 2019-05-09 | 2019-09-06 | 浙江大学 | 一种基于机器视觉的溺水行为在线识别方法 |
CN110588973A (zh) * | 2019-09-27 | 2019-12-20 | 江苏科技大学 | 一种基于两栖无人航行器的青少年溺水预防和救助平台及其方法 |
JP2020008929A (ja) * | 2018-07-03 | 2020-01-16 | 富士ゼロックス株式会社 | 身長算出システム、情報処理装置およびプログラム |
CN110853301A (zh) * | 2019-12-09 | 2020-02-28 | 王迪 | 基于机器学习的泳池防溺水识别方法 |
-
2020
- 2020-05-18 CN CN202010418350.5A patent/CN111626162B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951838A (zh) * | 2017-03-07 | 2017-07-14 | 四川省建筑设计研究院 | 一种基于图像水纹的落水报警系统 |
TWI657379B (zh) * | 2018-05-31 | 2019-04-21 | 國立勤益科技大學 | 智慧深度學習溺水救生系統 |
JP2020008929A (ja) * | 2018-07-03 | 2020-01-16 | 富士ゼロックス株式会社 | 身長算出システム、情報処理装置およびプログラム |
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 |
CN110210323A (zh) * | 2019-05-09 | 2019-09-06 | 浙江大学 | 一种基于机器视觉的溺水行为在线识别方法 |
CN110084223A (zh) * | 2019-05-10 | 2019-08-02 | 南京硅基智能科技有限公司 | 一种用于游泳池的监控方法及系统 |
CN110588973A (zh) * | 2019-09-27 | 2019-12-20 | 江苏科技大学 | 一种基于两栖无人航行器的青少年溺水预防和救助平台及其方法 |
CN110853301A (zh) * | 2019-12-09 | 2020-02-28 | 王迪 | 基于机器学习的泳池防溺水识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111626162A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626162B (zh) | 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 | |
CN113516076B (zh) | 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 | |
CN109117749A (zh) | 一种基于无人机巡检影像的异常目标监管方法及系统 | |
CN110119676A (zh) | 一种基于神经网络的驾驶员疲劳检测方法 | |
CN113743256B (zh) | 一种工地安全智能预警方法与装置 | |
CN209543514U (zh) | 基于人脸识别的监控与报警系统 | |
CN113076683A (zh) | 用于变电站行为监测的卷积神经网络模型的建模方法 | |
KR20200080466A (ko) | 다중 선형 회귀를 이용한 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
CN112668375B (zh) | 景区内游客分布分析系统及方法 | |
CN108446673A (zh) | 一种基于面部识别的管制员疲劳预警方法 | |
CN109118039B (zh) | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 | |
CN112633722A (zh) | 车载道路安全风险评估系统及方法 | |
CN111553264B (zh) | 一种适用于中小学生的校园非安全行为检测及预警方法 | |
CN114613101A (zh) | 一种基于大数据的智慧酒店智能安防系统 | |
CN108665691A (zh) | 一种智能防拥挤踩踏的预警与导流的系统及方法 | |
Kandoi et al. | Pothole detection using accelerometer and computer vision with automated complaint redressal | |
CN108629515A (zh) | 一种道路隧道交通风险实时评估系统 | |
CN106372566A (zh) | 一种基于数字标牌紧急疏散系统及方法 | |
CN108564492A (zh) | 基于gis的危旧房动态监控管理平台以及建设该平台的方法 | |
CN113313273B (zh) | 基于大数据环境下的公共设施检测方法、系统和存储介质 | |
CN112001335A (zh) | 一种地铁乘客不安全行为风险评估界面系统 | |
CN114973664A (zh) | 一种基于机器视觉的城市交通在线智能监测预警管理系统 | |
Anithadevi et al. | An Improved SSD Object Detection Algorithm For Safe Social Distancing and Face Mask Detection In Public Areas Through Intelligent Video Analytics | |
CN113971739A (zh) | 基于互联网的人脸识别警用信息追踪平台 | |
TWI639963B (zh) | 報案情資關聯分析系統及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |