[發(fā)明專利]一種基于YOLOv4的泳池溺水檢測方法

在審

• 申請?zhí)枺?/td>: 202110488324.4
• 申請日: 2021-05-06
• 公開（公告）號: CN113158962A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 雷飛;朱恒宇;歐家豪;王蕊;張軒
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

本發(fā)明公開了一種基于YOLOv4的泳池溺水檢測方法，通過對YOLOv4檢測模型加入泳池判定線進(jìn)一步約束檢測目標(biāo)類別，提高檢測精度。游泳池布置的水下攝像機(jī)采集游泳池中所有游泳人群的圖像并對其進(jìn)行標(biāo)注，得到專有游泳者數(shù)據(jù)庫；游泳者數(shù)據(jù)庫采用K?means聚類算法得到先驗(yàn)框的尺寸，按照不同尺度聚類出9種尺寸的先驗(yàn)框；構(gòu)建YOLOv4網(wǎng)絡(luò)模型，進(jìn)行迭代訓(xùn)練，直到損失函數(shù)收斂，保存訓(xùn)練好的網(wǎng)絡(luò)模型；將上述訓(xùn)練好的網(wǎng)絡(luò)模型加入泳池判定線模型，使模型對識別到的目標(biāo)類別可以進(jìn)行再一次判定；輸出符合要求的YOLOv4?泳池判定線檢測模型；使用YOLOv4?泳池判定線檢測模型對水下序列圖像進(jìn)行目標(biāo)檢測。本發(fā)明檢測速度快，準(zhǔn)確度高，溺水檢測誤報(bào)率低，滿足實(shí)時(shí)監(jiān)控的要求。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺人工智能技術(shù)，特別是涉及一種基于YOLOv4的泳池溺水檢測方法。

背景技術(shù)

隨著國民的運(yùn)動(dòng)健身意識的覺醒，游泳成為了人們最喜歡的運(yùn)動(dòng)之一。但與此同時(shí)泳池溺水事故呈現(xiàn)出高發(fā)態(tài)勢，一旦發(fā)生溺水事件，救生員往往難以在第一時(shí)間察覺并作出反應(yīng)。所以研究怎樣才能及時(shí)的發(fā)現(xiàn)，救助溺水者，有著重大的現(xiàn)實(shí)價(jià)值。

對于公共人工游泳館(池)的安全問題，一部分場館使用傳統(tǒng)的人力監(jiān)管模式。每個(gè)游泳池都靠2-4個(gè)救生員時(shí)刻緊盯著水面來預(yù)防和救援溺水人員。但這種監(jiān)管模式，可靠性差、救生員處理突發(fā)事件的能力較弱、溺水者救助速度也很慢，很難有效保證場館內(nèi)的公共安全。再加上人生理?xiàng)l件的限制使得救生員很難保持長時(shí)間的注意力高度集中，長時(shí)間注視泳池水面還會讓救生員出現(xiàn)眩暈狀態(tài)。對于游泳旺季，游泳池經(jīng)常人數(shù)眾多，環(huán)境嘈雜，溺水者在水面上的求救動(dòng)作很難及時(shí)引起救生員的注意，而一旦溺水者沉入水下就更加難以被察覺。另一部分場館使用攝像頭對游泳館內(nèi)部和水下進(jìn)行監(jiān)控，但多為人工監(jiān)視，不僅耗費(fèi)人力，而且監(jiān)視效果會受到人的情緒以及疲勞程度等因素影響，容易出現(xiàn)漏檢現(xiàn)象，對溺水者預(yù)防和救助效果不明顯。

發(fā)明內(nèi)容

本發(fā)明提供一種基于YOLOv4算法的泳池溺水檢測方法，通過對YOLOv4檢測模型加入泳池判定線模型進(jìn)一步約束檢測目標(biāo)類別提高檢測精度，降低溺水者檢測誤報(bào)率，其特征在于，包括以下步驟：

S1：通過游泳池布置的水下攝像機(jī)采集游泳池中所有游泳人群的圖像并對其進(jìn)行標(biāo)注，得到專有游泳者數(shù)據(jù)庫。

S2：游泳者數(shù)據(jù)庫采用K-means聚類算法得到先驗(yàn)框的尺寸，按照不同尺度聚類出9種尺寸的先驗(yàn)框。

S3：在YOLOv4網(wǎng)絡(luò)模型的配置文件中設(shè)置網(wǎng)絡(luò)模型參數(shù)，將YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)放入配置好環(huán)境的計(jì)算機(jī)中，使用訓(xùn)練集對預(yù)訓(xùn)練模型進(jìn)行迭代訓(xùn)練，直到損失函數(shù)收斂，保存訓(xùn)練好的網(wǎng)絡(luò)模型。

S4：將上述訓(xùn)練好的網(wǎng)絡(luò)檢測模型加入泳池判定線模型，使模型對識別到的目標(biāo)類別進(jìn)行再一次判定。

S5：輸出符合要求的YOLOv4-泳池判定線檢測模型。

S6：使用步驟S5中符合要求的YOLOv4-泳池判定線檢測模型對序列圖像進(jìn)行目標(biāo)檢測，輸出檢測結(jié)果，并對溺水現(xiàn)象進(jìn)行報(bào)警。

進(jìn)一步的，步驟S1中所述的游泳者數(shù)據(jù)庫，為如下要求：水下攝像機(jī)采集游泳池中游泳人群的視頻，將采集的視頻轉(zhuǎn)化為圖片格式，利用Labelimg軟件標(biāo)注成VOC格式得到得到游泳者數(shù)據(jù)庫，其中游泳者的自由泳、仰泳、蛙泳、蝶泳、跳水、踩水等行為標(biāo)記為正常游泳(swimming)，潛水、掙扎、溺水等行為標(biāo)記為溺水(drowning)。

進(jìn)一步的，步驟S3中所述的配置文件，為如下要求：

S3-1：當(dāng)輸入圖像大小為416x416，參數(shù)random為0，batch_size參數(shù)為16，批次細(xì)分subdivision＝16，迭代次數(shù)為6000，初始學(xué)習(xí)率為0.001，檢測物體種類為2時(shí)，用戶使用cpu訓(xùn)練模型，至少需要2GB內(nèi)存；使用單GPU訓(xùn)練模型，至少需要4GB。