本发明与监视领域有关。 A3 4 7 8 6 3 1 1 1 1n C CN 111368743 A Sippor 1/2 Page 1。一种基于监视视频的游泳池深水池中早期危险行为的方法游泳池中的游泳者在视频中，游泳者的头部检测是在游泳者的头部检测框架上进行的，以获取游泳者的头部检测框。根据游泳者的头部检测框的定时位置确定游泳者是否处于正常的游泳状态；如果在游泳状态下不正常，则使用游泳者的头和身体比率来确定游泳者是否处于直立状态。如果处于直立状态，则会发出警报。 2。根据权利要求1的监视视频，基于监视视频的游泳池深水区域的早期危险行为检测方法，在收集游泳者的视频时，根据收集的视频进行了游泳者的头部，并获得了游泳者的头部，并且在之前获得了游泳者该方法的检测箱进一步包括：在游泳池中获取游泳者的图片以形成训练套件，其中游泳者的头在图片中被标记了；使用获得的培训集来执行Yolov3深度学习网络。获得训练以获得游泳者的头部检测模块，其中使用游泳者的头部检测模块来检测游泳者的头并获得游泳者的头部检测框架。 3。根据权利要求1的监视视频，基于监视视频的游泳池深水区域的早期危险行为检测方法，其特征在于游泳者的头部检测游泳者在视频中进一步构成：如果在预设的时间段内，如果头部检测框是未检测到，将发出警报。

4。根据权利要求1的监视视频，基于监视视频的游泳池深水区域的早期危险行为检测方法，其特征是游泳者根据游泳者头部检测的定时位置的变化来判断游泳者是否处于正常游泳状态框架游泳者是否处于正常的游泳状态包括：确定基于视频前N帧的目标游泳者的游泳状况来确定检测框架区域互换比的初始间隔数t；在n帧之后的图像中，可以确定两个带有间隔t框架的图像中检测框架的面积是否在预设的正常范围内，如果是的，则它处于正常的游泳状态。 5。根据权利要求4的监视视频，基于监视视频的游泳池深水区域的早期危险行为检测方法，其特征是，根据目标游泳者的游泳状况，目标游泳者确定了检测框架的面积在视频前。互换比的初始间隔框架数t包括：S1，获得目标游泳器视频的第一个N框架图像； S2确定获得的目标游泳器视频的第一和0帧图像，第一个和0帧图像F不是与重叠检测框架0的图像相对应的帧的间隔数。 00s3，T+1帧的图像检测框，T+1帧的图像检测框，图像F，图像F，图像F和第二帧的图像F分别。与图像相对应的t+1帧中更新了与最小值的检测框相对应的间隔帧数1; 000S4，根据S3的操作，更新与下一个帧图像相对应的帧的间隔数，其中i = t+2-t-1，t+2-t，t+2-t+1，以及根据S3的操作，相应的间隔数000间隔框架依次更新，并将与图像F相对应的框架的间隔数用作确定检测框架区域的互换比的初始间隔数t的初始间隔数； n，与图像F相对应的相应间隔数是i = nt-1，nt，n-t+1的间隔帧号。

N22 CN 111368743 A权利要求2/2第6页。根据要求4的监视视频，基于监视视频的游泳池深水区域的早期危险行为检测方法，其特征在于判决间隔t框架的两个图像是否面积互换比检测框架在预设的正常范围内包括：根据确定的初始间隔数t的初始间隔数，可以确定A-trage图像F的检测框架的面积互换比和AT帧帧图像F将其与AA-T比率进行比较。无论是在预设的正常范围内，如果是的，则处于正常的游泳状态，并且F框架处的间隔框架数通过公式i = at-1，at，a-t+1校正，其中，一个。 A7。根据权利要求1的监视视频，基于监视视频的游泳池深水区域的早期危险行为检测方法，其特征在于游泳者的头部和身体比例决定了游泳者是否处于直立状态。如果处于直立状态，则警报包括：确定游泳者的头部比率是否超过预设警报阈值。如果超过它，则确定游泳者处于直立状态并发出警报。 33 CN 111368743 A第1/5页一种基于监视视频技术领域的游泳池深水池中早期危险行为的方法[0001]本发明与监测领域有关，尤其是与早期的危险有关基于监视视频行为检测方法的游泳池的深水区域。背景艺术[0002]随着人们的健身意识的提高，越来越多的人开始选择游泳运动，室内游泳池的数量正在增加。

尽管许多国家对游泳池有一定的严格要求，例如必须配备一定数量的救生员，并且游泳池的坡度和深度具有严格的标准，但溺水事故经常发生在室内游泳池中。许多溺水的人在溺水时没有明显的斗争和帮助，导致救生员没有发现溺水的人，也没有错过最佳的救援时间。在室内游泳池中，游泳池通常分为两种类型：深水和浅水。深水区域的水深是深的，游泳者不能站在水中，腿部伸直（踩在水面上）只能保持片刻，而踏上阶梯时只有头暴露于水面在水上（几个肩膀）；浅水区的水深很浅，因此游泳者可以直接站在游泳池中，通常会有更多的人在水中玩耍，游泳者可能无法游泳。站立时，可以将肩膀和背部暴露于水面。深水和浅水区之间的数据存在很大差异。 [0003]判断游泳者溺水行为是否基于自己的救援经验的主要方法。如电影和电视连续剧所示，一个人溺水的主要特征不是为了寻求帮助和挣扎侧面或向前。由于大多数溺水的人都没有寻求帮助，也不能挥舞着手，当游泳池里有太多人时，救生员可能无法及时发现早期溺水的人，当溺水的人沉没时，他们已经在溺水的后期阶段，很有可能会错过它。营救的最佳时间。 [0004]救生员无法始终关注每位游泳者，但是可以进行监视视频。

随着智能监视和视频理解的发展，可以使用监视视频来检测，跟踪和判断复杂行为。因此，游泳池中的监视视频用于协助救生员做出早期淹没危险的行为判断并抓住救援。减少事故发生的最佳时间具有重要意义。本发明要解决的技术问题是提供一种基于监视视频的游泳池深水区域中早期危害行为的方法，以解决现有的现有技术，即如何使用监视视频来实现早期危险在游泳池的深水区域中，行为检测和警报问题。 [0006]为了解决上述技术问题，本发明的体现提供了一种基于监视视频的游泳池深水区域中早期危险行为的方法，包括：[0007]实时在游泳池中获取游泳者的视频，并在视频中游泳游泳者的头部检测以获取游泳者的头部检测框架； [0008]根据游泳者的头部检测框的定时位置的改变，确定游泳者是否处于正常的游泳状态； [0009]如果它不处于正常的游泳状态，则使用游泳者的头和身体比率来确定游泳者是否处于直立状态。如果处于直立状态，则会发出警报。 [0010]此外，在收集游泳者的视频之前，根据捕获的视频检测游泳者的头，在2/5页44 CN 111368743中获得游泳者头的检测框：[0011]在游泳池中获取游泳者的照片以形成训练套装，其中游泳者的头在图片中被标记了； [0012]使用获得的训练集，训练Yolov3深度学习网络以获取游泳者的头部，游泳者头检测模块用于检测游泳者的头并获得游泳者的头部检测框。

[0013]此外，视频中游泳者在游泳者上的头部检测进一步包括：[0014]如果在预设时间段内未检测到头部检测箱，则会发出警报。 [0015]此外，基于游泳者头部检测框架的时机位置变化，对游泳者是否处于正常游泳状态的确定包括：[0016]根据目标游泳运动员在视频之前确定框架的游泳情况。确定用于判断检测框架面积互换比的初始间隔框架数t； [0017]在n帧后的图像中，确定了两个间隔t框架图像之间检测框架的面积互换。该比率是否在预设正常范围内，如果是的，则其处于正常的游泳状态。 [0018]此外，在视频包括：[0019] S1之前，根据目标游泳者的游泳状况来判断检测框架区域互换比率的初始间隔框架数t，获取目标游泳器视频是第一个N-Frame图像目标游泳器视频的视频是根据获得目标游泳器视频的第一个N框架图像确定的，与T-Frame图像相对应的间隔框架由0帧图像的第一个N帧图像确定。数字t = t; 00 [0021] S3分别计算t+1帧图像检测框架和0帧图像F的检测框架的面积互换和比较到具有最小值的检测框已更新。与第1帧图像相对应的间隔帧数，其中i = t+1-t-1，t+1-t，t+1-t+1; 000 [0022] S4，根据S3的操作，更新与下一个帧图像相对应的帧的间隔数，并且根据S3的操作，依次更新了相应的000间隔框架编号，并且与图像F相对应的间隔框架号被用作判断检测框架区域的互换比率的初始间隔帧数T； n [0023]其中，与图像f相对应的间隔帧数为i = nt-1，nt，n-t+1。

n [0024]此外，确定间隔t框架的两个图像中检测帧的面积互换比是否包括：[0025]根据确定的初始间隔帧数t t，确定A-FirST帧图像f。与第一个框架图像F的检测框架区域相交，并比较该比率是否在预设正常范围内。如果是这样，它处于正常的游泳状态，并通过公式i = at-1，at a-t+1可以纠正f帧处的间隔框架编号，其中， [0026]进一步，使用游泳者的头像比例来确定游泳者是否处于直立状态。如果处于直立状态，则警报包括：[0027]游泳者的头部比例是否超过预设警报阈值，如果超过预设，则确定游泳者处于直立状态并称为警报。 [0028]本发明的上述技术解决方案的有益效果如下：[0029]在上述解决方案中，收集的游泳者的监视视频在游泳池中，视频中的游泳者被输入55 CN 111368743手册3/5页表演游泳者头部检测以获取游泳者的头部检测框；根据游泳者头部检测框的定时位置确定游泳者是否处于正常的游泳状态；如果不处于正常的游泳状态，请使用游泳者的头部比例确定游泳者是否处于危险的直立状态。如果处于直立状态，则将调用警报。通过这种方式，通过判断游泳池中游泳者的早期危险行为，可以检测到游泳池的早期危险行为，并为救生员提供可靠的救援信息。

图1的简要说明图1是基于本发明的实施例提供的监视视频的游泳池深水区域的早期危险行为检测方法的流程图； [0031]图2是通过本发明示意图的实施例提供的游泳者头部检测结果； [0032]图3是本发明实施例提供的前100帧帧间隔数量更新的示意图； [0033]图4是一个检测框架，该检测框对应于本发明的前100帧根据互换比率变化曲线的框架间隔的相应数量的示意图。详细的实施例[0034]为了使本发明更清晰地解决技术问题，技术解决方案和优势，以下将与随附的图纸和特定的实施方案一起详细描述。 [0035]如图1所示，基于本发明的实施例提供的基于监视视频的游泳池深水区域的早期危险行为检测方法包括：[0036] S101，游泳池中游泳者的实时视频，以及游泳者进行游泳者头部检测的视频以获取游泳者的头部检测框。 [0037] S102，根据游泳者头部检测框的定时位置变化，确定游泳者是否处于正常的游泳状态； [0038] S103，如果没有，如果您处于正常的游泳状态，请使用游泳者的头和身体比率来确定游泳者是否处于直立状态。如果您处于直立状态，则会发出警报。 [0039]根据本发明的体现中描述的监视视频，通过收集的游泳池中游泳者的监视视频，根据本发明的体现中描述的监视视频的早期危险行为检测方法，该视频中的游泳者在视频中被检测到。游泳者头，获得游泳者的头部检测框；根据游泳者的头部检测框的变化，确定游泳者是否处于正常的游泳状态；如果不处于正常的游泳状态，请使用游泳者的头和身体比率来确定游泳者是否处于正常状态，如果处于正常状态。

通过这种方式，通过判断游泳池中游泳者的早期危险行为，可以检测到游泳池的早期危险行为，并为救生员提供可靠的救援信息。 [0040]在游泳池深水区的特定实施方法中，根据监视视频，收集了游泳者的视频，并根据收集的视频来检测游泳者的头部，并通过获得游泳者的视频来检测游泳者。在检测到头部的探测框之前，该方法进一步包括：[0041]在游泳池中获取游泳者的图片以形成训练套件，其中图片中的游泳者的头在其中被标记了； [0042]使用获得的训练集，Yolov3深学习网络进行了训练以获得游泳者的头部检测模块，其中使用游泳者的头部检测模块来检测游泳者的头并获得游泳者的头部检测框架。 [0043]在此实施例中，游泳池中游泳者的视频由相机设备捕获，并且根据4/5页（例如，25）每秒进行了捕获的视频（例如，25页）在“说明手册”中CN 111368743 A，样品用矩形框架标记。在获得的图片中，游泳者的负责人分为训练组，并根据预设比率进行测试集，并且训练集中的图片输入了Yolov3深度学习网络，Yolov3深学习网络进行了培训。例如，游泳者头部检测模块，例如，检测结果如图2所示。并使用测试集中的图像测试了获得的游泳者头部检测模块。

[0044]在基于监视视频的上述早期危险行为检测方法的特定实施例中，基于监视视频的深水区域，此外，游泳者的头部在视频中进一步包括：[0045]是否预设了，如果预设了，如果有的话，如果有的话。在一个时间段内未检测到头部检测框（例如3分钟），将调用警报。 [0046]在基于监视视频的上述早期危险行为检测方法的具体实施中游泳者的头部检测框。游泳者是否处于正常的游泳状态包括：[0047]根据视频前N帧的目标游泳者的游泳状况，确定用于确定检测框架的互换比的初始间隔框架t； [0048]在以下图像中，在n个框架中，可以确定两个带有间隔t框架的图像中检测帧的面积互换比在预设的正常范围内，如果是的，则它处于正常的游泳状态。 [0049]在基于监视视频的上述早期危险行为检测方法的特定实施中，基于监视视频的深水区域，此外，目标游泳者决定根据游泳状况确定检测框架的面积视频N框架之前的目标游泳者。交织比的初始间隔框架数t包括：[0050] S1，获得目标游泳器视频的第一个N框架图像； [0051] S2，确定0帧图像F的第一个和图像没有重叠。与T帧图像相对应的帧的间隔数为t = t; 00 [0052] S3分别计算T+1帧图像检测帧和0帧图像F和第1帧图像F。 1帧图像F和2帧图像F0012检测框架的面积相交，并更新了与最小值的检测框架相对应的框架。与1帧图像相对应的间隔帧数，i = t+1- t-1，t+1-t，t+1-t+1,000 [0053] S4，根据S3的操作，更新间隔与下一个帧映像相对应的帧数，其中i = t+2-t-1，t+2-t，t+2-t+1，并且根据S3的操作，更新了相应的000间隔帧依次将与图像F相对应的间隔框架用作判断检测框架区域交织比间隔框架t的初始用途； n [0054]，其中，间隔帧号对应于图像f，i = nt-1，nt，n-t+1。

n [0055]在此实施例中，例如，在实际应用中，可以根据实际应用方案确定n的值，以便可以根据前100个游泳情况确定后续判断目标游泳器的帧框架框架区域互换比的初始间隔框架数t，以及前100帧的更新和确定结果如图3所示。从图3中可以看出，在第11帧，在第11帧，发现与第一个帧没有重叠的检测框架，然后更新帧间隔的数量，并且最初的帧间隔数最终确定为11，并且前100帧对应于相应的帧间隔数量。如图4所示，相邻的T帧检测框相交的区域相交，比率在-0.05-0.05之间。 [0056]在基于监视视频的上述早期危险行为检测方法的特定实施例中t框架是否在预设的正常范围内包含面积互换比的面积互换比：[0057]根据确定的初始间隔帧数t t，确定A-thr框架图像f的检测框架面积F并且AT帧图像F相交AA-T并比较该值是否在预设正常范围内，如果是的，则处于正常的游泳状态，F框的间隔框架数是通过公式i =校正的。 AT-1，AT，A-T+1，其中；否则，将执行PRE-A警报并执行S103。 [0058]在这个实施例中，在判断正常的游泳速度的过程中纠正了间隔框架的数字，以便可以避免错误地判断前N帧的当前游泳速度和游泳速度。

[0059]在这个实施方案中，游泳状态分为水的踩踏状态和直立状态，其中直立状态是危险状态。正常人的头和身体比率约为1：6.5-1：7.5。由于摄像头和水折射，水中的头部和身体比略有不同。当踩水时，完全拉直的腿只是片刻。因此，由于游泳者的弯曲腿，在踩水时，游泳者的头身比例将显着不同，大约是1：2-1：3。在这个实施例中，收集了游泳者的20秒视频，游泳者的正常游泳是通过检测框架区域的互换和比较价值来判断的。如果在第16秒，则不存在游泳者的区域互换和比较值。在预设的正常范围内，这意味着游泳速度异常变化，执行预警，并执行S103以确定游泳者是否处于直立状态。 [0061]在此实施方案中，如果在16-18秒的头部和身体比率为1：2.4664，则被认为是水边状态，而头部和身体比率超过18-20秒设置警报阈值，被认为是直立状态，发出警报。以上是本发明的首选实施例，应指出，对于艺术中的普通熟练人士，可以进行一些改进和修饰，而不会偏离本发明中所述的原则，这些改进和修饰也应应被视为本发明的保护范围。 88 CN 111368743图纸1/2页的手册图1图2图399 CN 111368743一本用图纸2/2页的手册图41010