[发明专利]一种用于游泳池的监控方法及系统

说明书

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。

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：G_x(x,y)=H(x+1,y)-H(x-1,y)，G_y(x,y)=H(x,y+1)-H(x,y-1)，其中G_x(x,y)、G_y(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；