[發明專利]一種基于時空鄰域特征的泳池溺水檢測方法

有效

• 申請號: 201711079258.5
• 申請日: 2017-11-06
• 公開（公告）號: CN107729874B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 紀剛;于騰;周粉粉;安帥;周萌萌;商勝楠
• 申請（專利權）人: 青島聯合創智科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G08B21/08
• 代理公司: 青島高曉專利事務所(普通合伙) 37104
• 代理人: 張世功;于正河

1.一種基于時空鄰域特征的泳池溺水檢測方法，其特征在于所涉及的泳池溺水監控檢測方法的具體工藝步驟如下：

步驟一、采用時空片段的特征進行背景建模：

先通過安裝在水面上方的攝像頭實時采集游泳池的視頻圖像序列，并將其傳輸至與攝像頭連接的計算機，通過計算機對視頻圖像序列的圖片進行處理，采用像素時空鄰域中的共現矩陣作為高階測量標準；設在時間t時刻像素點p的鄰域包含的N個像素強度集記為S(p,t)＝{x₁,x₂,....,x_N}，先從圖像區域中的像素和在背景學習的過程中聚類像素觀測值，再通過比較兩種觀測值的相似性的方式來獲得一個緊湊模型；通過將像素點P的鄰域片段定義為鄰域中一個有序的像素子集強度，其中I({1,4,12}；P)是指3-向量強度(x₁,x₄,x₁₂)從像素點p鄰域中像素強度集S(P)＝{x₁,x₂,.....x_N}中提取出來的；再使用Z個強度片段固定子集O₁,O₂,...,O_z來定義像素點鄰域的Z個片段，通過將其對應的片段I(O_i；P)和I(O_i；Q)作為對應的像素點P和Q兩個不同的時空鄰域進行比較的向量，兩個時空鄰域之間總體相似性的度量是通過對相應片段的相似性得分進行魯棒性組合獲得的，具體計算方式能夠表示為如下公式：d(P,Q)＝median_1≤i≤Z||I(O_i；P)-I(O_i；Q)||，所述公式的含義為返回給定數值的中值，即一組數中位于中間的數值，該公式能夠表示出鄰域之間的空間和時間關系；其中，I({1,4,12}；P)是指像素點P鄰域中的N個像素，提取3個像素值，(x₁,x₄,x₁₂)組成的向量；

步驟二、建立觀測值數據庫：

觀測值表示圖片像素的時空鄰域的高階觀測值，即每個像素周圍的鄰域強度，建立觀測值數據庫用以確定每個像素周圍的鄰域強度，建立過程具體包括如下步驟：

S1、從大量的像素中訓練觀測值組成一個背景數據庫，具體方式為通過收集Z個不同數據庫中存儲的Z個片段區域中的每個像素，每個片段類型O_i都有一個單獨的數據庫，對于給定的O，首先定義了一個公差T，如果給定的O從像素周圍取R個像素的子集，則使用||.||_∝無窮范數來比較R維空間中的向量，如果則兩個R維空間向量和匹配；

S2、使用K-means算法對S1中提取的R維空間向量進行聚類，具有權值W_i的當前聚類中心與聚類中心點C_i有關，增加一個新的向量如果匹配存在的聚類則選擇最接近的匹配聚類更新如下：

W_j＝W_j+1

如果與存在的任何聚類都不匹配，那么增加作為新的聚類，并使的權值為1；

步驟三、前景檢測：

S1、通過計算機對通過泳池上方的攝像頭獲得的視頻流進行像素處理，包括給定像素點P和它周圍的時空量即指像素點P周圍的鄰域片段，先提取與O₁,O₂,...,O_z相關的Z個強度片段，將這些片段記為再檢測每個片段是否在其對應的數據庫中具有匹配的原型，定義如下：

其中集合A_i由背景O_i片段的原型組成，用以使用集合或者數據庫檢測前景；mask代表匹配生成的掩碼圖像；

S2、選用Z＝9類型的片段，每個片段包含從3*3*5時空鄰域取得的3個強度值，其中一個值取自當前幀，另外兩個值取自視頻序列的第五幀，要求當前像素顯示在其中4個掩碼中；

S3、模型在學習階段持續1000個視頻幀，按每秒40幀的幀率，在檢測期間中，先計算總和掩碼圖像S(x,y)，計算在每個像素點處提取的9個片段中在相應的數據庫中沒有匹配的片段的數量，再通過在3*3空間窗口上對掩碼進行平均，如果像素值大于1，則該像素為前景；

S4、對檢測到的前景進行肢體分析，判斷其雙臂、頭部和身體相對水面的位置；出現溺水情況的人，雙臂會伸到身體兩側向下壓，頭部30％以上在水面以上，同時還具有身體垂直并且上下漂浮的特征，當分析結果符合上述所有溺水特征時，則判斷為溺水；

步驟四、報警救援：

與攝像頭連接的計算機通過步驟三中所述的方法預判到有溺水者和具體位置，與攝像頭相連接的計算機控制監控泳池的報警器發出蜂鳴報警，并將溺水者的位置發送到救生員攜帶的信號接收器，救生員通過呼叫器通知其他工作人員，第一時間開展施救，實現泳池溺水監控檢測功能。

2.根據權利要求1中所述的基于時空鄰域特征的泳池溺水檢測方法，其特征在于計算機處理的圖像為灰度圖像，不采用任何顏色信息，能夠有效減少圖像數據處理量，并且上述圖像處理方法也同樣適用于夜間的監視場景中。