• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩五星赔率: 一种基于支持向量机的溺水行为检测方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201310189095.1

    申请日:

    2013.05.17

    公开号:

    CN103413114A

    公开日:

    2013.11.27

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06K 9/00申请公布日:20131127|||实质审查的生效IPC(主分类):G06K 9/00申请日:20130517|||公开
    IPC分类号: G06K9/00; G06K9/62 主分类号: G06K9/00
    申请人: 浙江大学
    发明人: 周泓; 陈益如; 杨思思; 程添; 蔡宇
    地址: 310058 浙江省杭州市西湖区余杭塘路866号
    优先权:
    专利代理机构: 杭州求是专利事务所有限公司 33200 代理人: 周烽
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201310189095.1

    授权公告号:

    ||||||

    法律状态公告日:

    2017.02.08|||2013.12.18|||2013.11.27

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于支持向量机的溺水行为检测方法,本发明采用支持向量机作为机器学习的分类器,通过预先模拟得到溺水行为和正常游泳行为的视频序列样本训练支持向量机分类器,然后通过安装在水面上方的摄像头实时采集游泳池的视频图像序列,将监测到的视频图像序列输入训练好的支持向量机分类器,判断游泳者的行为状态,从而能够在现实公共游泳场所通过摄像头自动检测发现溺水者,能够最大限度的及时拯救生命,具有检测准确可靠、鲁棒性好、抗噪性能高、对光照变换适应性好的优点;而且本发明通过安装在水面上方的摄像头实施监控,系统实施成本低,具有极大的工程应用价值。

    权利要求书

    权利要求书
    1.  一种基于支持向量机的溺水行为检测方法,其特征在于,该方法包括以下内容:
    (1)通过安装在水面上方的摄像头实时采集游泳池的视频图像序列;
    (2)采用基于码书的背景减除方法提取步骤(1)中得到的视频图像序列中的前景运动目标,即游泳者;
    (3)对步骤(2)中得到的游泳者采用椭圆拟合的方法建立人体模型,计算基于该模型的人体特征参数集合Q,这些人体特征参数包括中轴线与水平坐标轴的夹角Qpos、最小外接矩阵面积比值Qact、面积变化量Qsv、水下部分比例Qsub;
    (4)将步骤(3)得到的关于游泳者的人体特征参数输入经过训练的支持向量机分类器,判断该游泳者处于的状态;
    (5)将步骤(4)得到的游泳者的当前状态记录到状态记录序列R中;
    (6)采用卡尔曼滤波算法跟踪步骤(2)中检测到的游泳者;
    (7)重复步骤(2)-(6)若干次,保存记录该游泳者的若干次状态检测的结果在状态记录序列R中;
    (8)通过步骤(7)中得到的状态记录序列R和状态行为关系表,判断该游泳者是处于正常的游泳行为还是潜在溺水行为,若判断的行为为潜在溺水行为,则并将当前的潜在溺水行为记录在行为记录序列T中;若判断的行为为正常的游泳行为,则丢弃该行为记录;
    (9)当行为记录序列T中存在若干条连续时间内潜在溺水行为,则判断游泳者处于溺水行为,发出警报。

    2.  根据权利要求1所述的基于支持向量机的溺水行为检测方法,其特征在于,所述步骤2中,基于码书的背景减除方法具体执行步骤如下:
    (2.1)获取视频图像序列的RGB图像;
    (2.2)为步骤2.1)中得到的RGB图像中的每一个像素建立码书                                                , 其中,为构成码书的码字,,l为码书中码字的个数,码字由RGB色彩矢量和2个6维矢量构成,其中,6维矢量包括码字中最小的亮度值、码字中最大的亮度值、码字出现的频率、码字的最大消极游程、码字第一次出现的时间和码字最后一次出现的时间;
    (2.3)将若干帧不包含游泳者的空背景作为训练背景模型的参考帧,分别计算这些图像中每帧图像中每个像素的对应的码书,将这些码书的集合按如图1所示的方式构建背景模型,其中,表示在背景模型中(i,j)位置的像素对应的字典,该字典由来自用于背景建模的参考帧对应位置的码书构成,其中(i,j)表示码书对应的像素在图像中的位置,n表示第n帧参考??;
    (2.4)计算输入的视频图像每个像素对应的码书;
    (2.5)以像素为单位,将步骤2.4中得到的输入图像的码书与背景模型进行匹配,若该像素在背景模型的相应位置找到匹配的码书,则该像素为背景像素,否则该像素为前景目标图像; 
    (2.6)将步骤2.5处理后的图像进行二值化处理,将二值化处理后的图像进行图像腐蚀操作去除图像中的噪声,通过图像闭合操作修补前景目标中存在的小孔穴和边界间断分离出最终的游泳者。

    3.  根据权利要求1所述的基于支持向量机的溺水行为检测方法,其特征在于,所述步骤3中,所述采用椭圆拟合人体的方法为:用5个椭圆分别表示人体的头部、身体、左手、右手、左腿和右腿;每个椭圆包含中轴线坐标、短轴线坐标和焦点坐标3个参数。

    4.  根据权利要求1所述的基于支持向量机的溺水行为检测方法,其特征在于,所述步骤3中,各人体特征参数的定义如下:
    (3.1)中轴线与水平坐标轴的夹角变化量Qpos表征前景目标的中轴线与水平坐标轴的夹角的变化,由于溺水者动作的无规律行,所以与正常的游泳者相比溺水者的Qpos值比较大;
    (3.2)最小外接矩阵面积比值Qact定义为前景目标最小外接矩阵在一段时间内面积比值;正常的游泳者由于手脚运动有规律,Qact会是一个相对比较稳定的较小值,而溺水者手脚的动作一般杂乱无章,所以Qact是一个相对不稳定,变化大的值;
    (3.3)面积变化量Qsv表征前景目标在一段时间内面积的变化,即其中、、分别表示在一段时间间隔前景目标的面积的最大值、最小值和平均值;溺水者手脚无规律的动作幅度大,因此相对正常的游泳者其面积变化较大;
    (3.4)水下部分比例Qsub表征前景目标浸没在水下的情况,当前景目标身体越多部分浸入水中时,前景目标的色彩饱和度会越高,因此,参数Qsub定义为在一段时间间隔内,前景目标最大色彩饱和度和最小色彩饱和度的差值;溺水者在早期的挣扎阶段露出水面的部分比较少,一般为头部或手脚,因此,相对于正常的游泳者,溺水者具有较大的Qsub值。

    5.  根据权利要求1所述的基于支持向量机的溺水行为检测方法,其特征在于,所述步骤4中,支持向量机分类器的训练学习过程如下:
    (4.1)通过聘请专业演员模仿溺水行为和正常游泳行为,通过安装在水面上方的摄像头拍摄记录模仿的过程,得到视频图像序列样本;
    (4.2)将步骤4.1中得到的视频图像序列中的游泳者在每帧中的动作划分定义为4种状态,如图3所示,分别是游泳者与水面平行的状态s1,游泳者与水平垂直的状态s2,游泳者于水面向右倾斜的状态s3和游泳者于水平向左倾斜的状态s4;
    (4.3)根据步骤2提取步骤4.1得到的视频序列样本中的游泳者,再根据步骤3计算游泳者4种状态的人体特征参数分别记为Q1, Q2, Q3和Q4;
    (4.4)将步骤4.3)中得到的Q1, Q2, Q3和Q4人体特征参数输入支持向量机分类器,完成训练学习。

    6.  根据权利要求1所述的基于支持向量机的溺水行为检测方法,其特征在于,所述步骤5中,状态记录序列R为一个10元的数组:,其中,,为步骤4.2)中定义的4种游泳者状态。

    7.  根据权利要求1所述的基于支持向量机的溺水行为检测方法,其特征在于,所述步骤8中,状态行为关系表如下表所示:

    表中的百分比为各状态在若干次状态记录表R中所占的百分比;通过对游泳者连续时间内的动作状态检测来判断游泳者在当前时间段内的行为情况,其判断的规则如下:
    (8.1)若在若干次状态记录R中,游泳者的垂直状态超过80%,则判断游泳者为潜在的溺水行为;
    (8.2)在若干次状态记录R中,除了规则8.1外的其他情况判断为正常游泳行为。

    说明书

    说明书一种基于支持向量机的溺水行为检测方法
    技术领域
    本发明涉及计算机视觉技术及视频监控领域,尤其涉及一种基于支持向量机的溺水行为检测方法。
    背景技术
    游泳池是每个城市的基础建设设施,是人们休闲娱乐的主要场所。然而据一份资料显示,溺水死亡是我国青少年意外死亡的首要原因。许多溺水事件都发生在公共游泳场所,即使有专业的救生人员监管,但是由于没能够及时发现溺水者,导致了死亡事件的发生。因此,研发一套能够自动发现检测溺水事件的系统以及时发现溺水者拯救生命具有极大的现实意义。
    国外早在20多年前已经开展了溺水行为自动检测方面的研究。现有技术中,有些技术方案提出通过安装超声波阵列,检测游泳者游泳动作的运动速率,作为可能发现溺水行为的信号;还有一些技术方案提出利用超声波雷达,检测泳池底部是否出现没有运动的物体来判断是否发生了溺水事件;此外法国的Poseidon Technology开发出了世界上第一套基于计算机辅助的溺水行为检测系统。该系统通过在水底和水面上方安装摄像头,检测分析泳池中人群的行为,若发现异常行为人,即溺水者,就通过显示器和警报铃发出警报。该系统已经在欧美多个国家和地区的公共游泳场所安装应用多年,并且帮助发现多列溺水者,拯救了多人的生命。但该系统也存在诸多弊端,比如,该系统只能检测发现已经溺水后期阶段的溺水者,此时的溺水者生命已经岌岌可危,同时,该系统的通过安装在水底的摄像头实现监控,这样的方案不仅维护成本高,而且监控的准确率很容易受其他物体的干扰。申请人2011年12月28日申请的申请号为“201110448257.X”名称为“基于视频的早期溺水行为动作检测方法”的发明专利,该专利公开了一种采用隐马尔科夫模型的溺水行为检测方法,但该方法前期训练和建模模型过程复杂,在实际执行过程中实时性并不好,同时检测的准确度不高,误检率高。
    因此,针对目前溺水行为检测方法存在的不足,本发明提出了一种高效稳定简单的基于支持向量机的溺水行为检测方法。
    发明内容
    本发明的目的是克服现有的采用摄像头的溺水行为检测技术的不足,提供一种基于支持向量机的溺水行为检测方法。
    本发明的目的是通过以下技术方案来实现的: 一种基于支持向量机的溺水行为检测方法,该方法包括以下内容:
    (1)通过安装在水面上方的摄像头实时采集游泳池的视频图像序列;
    (2)采用基于码书的背景减除方法提取步骤(1)中得到的视频图像序列中的前景运动目标,即游泳者;
    (3)对步骤(2)中得到的游泳者采用椭圆拟合的方法建立人体模型,计算基于该模型的人体特征参数集合Q,人体特征参数集合Q包括中轴线与水平坐标轴的夹角Qpos、最小外接矩阵面积比值Qact、面积变化量Qsv、水下部分比例Qsub;
    (4)将步骤(3)得到的关于游泳者的人体特征参数输入经过训练的支持向量机分类器,判断该游泳者处于的状态;
    (5)将步骤(4)得到的游泳者的当前状态记录到状态记录序列R中;
    (6)采用卡尔曼滤波算法跟踪步骤(2)中检测到的游泳者;
    (7)重复步骤(2)-(6)若干次,保存记录该游泳者的若干次状态检测的结果在状态记录序列R中;
    (8)通过步骤(7)中得到的状态记录序列R和状态行为关系表,判断该游泳者是处于正常的游泳行为还是潜在溺水行为,若判断的行为为潜在溺水行为,则将当前的潜在溺水行为记录在行为记录序列T中;若判断的行为为正常的游泳行为,则丢弃该行为记录;
    (9)当行为记录序列T中存在若干条连续时间内潜在溺水行为,则判断游泳者处于溺水行为,发出警报。
    本发明的有益效果是,本发明够在现实公共游泳场所通过摄像头自动检测发现溺水者,能够最大限度的及时拯救生命,具有检测准确可靠、鲁棒性好、抗噪性能高、对泳池环境适应性好的优点;而且本发明通过安装在水面上方的摄像头实施监控,系统实施成本低,具有极大的工程应用价值。
    附图说明
    图1是基于码书算法的背景模型构建示意图;
    图2是椭圆拟合人体模型示意图;
    图3是游泳者状态定义示意图。
    具体实施方式
    下面结合附图详细描述本发明,本发明的目的和效果将变得更加明显。本发明基于支持向量机的溺水行为检测方法包括如下步骤:
    步骤1:通过安装在水面上方的摄像头实时采集游泳池的视频图像序列。
    本发明方法采集图像采用的摄像头为普通视频监控摄像头,得到图像大小为352*288视频图像序列。
    步骤2:采用基于码书的背景减除方法提取步骤1中得到的视频图像序列中的前景运动目标,即游泳者?;诼胧榈谋尘凹醭椒ň咛逯葱胁街枞缦拢?
    2.1)获取视频图像序列的RGB图像;
    2.2)为步骤2.1)中得到的RGB图像中的每一个像素建立码书                                                , 其中为构成码书的码字,,l为码书中码字的个数,码字由RGB色彩矢量和2个6维矢量构成,其中,6维矢量包括码字中最小的亮度值、码字中最大的亮度值、码字出现的频率、码字的最大消极游程、码字第一次出现的时间和码字最后一次出现的时间;
    2.3)将若干帧不包含游泳者的空背景作为训练背景模型的参考帧,分别计算这些图像中每帧图像中每个像素的对应的码书,将这些码书的集合按如图1所示的方式构建背景模型,其中表示在背景模型中,(i,j)位置的像素对应的字典,该字典由来自用于背景建模的参考帧对应位置的码书构成,其中(i,j)表示码书对应的像素在图像中的位置,n表示第n帧参考??;
    2.4)计算输入的视频图像每个像素对应的码书;
    2.5)以像素为单位,将步骤2.4)中得到的输入图像的码书与背景模型进行匹配,若该像素在背景模型的相应位置找到匹配的码书,则该像素为背景像素,否则该像素为前景目标图像; 
    2.6)将步骤2.5)处理后的图像进行二值化处理,将二值化处理后的图像进行图像腐蚀操作去除图像中的噪声,通过图像闭合操作修补前景目标中存在的小孔穴和边界间断分离出最终的游泳者。
    步骤3:对步骤2中得到的游泳者采用椭圆拟合的方法建立人体模型,计算基于该模型的人体特征参数集合Q,人体特征参数集合Q包括中轴线与水平坐标轴的夹角Qpos、最小外接矩阵面积比值Qact、面积变化量Qsv和水下部分比例Qsub。
    在发明人2011年申请的专利“基于视频的早期溺水行为动作检测方法”中提到了采用椭圆进行人体建模,但该方法中没有明确指出椭圆建模的规则,因此不能对人体进行精确建模。本发明提出了采用如图2所示的方法对人体建模,用5个椭圆分别表示人体的头部、身体、左手、右手、左腿和右腿。每个椭圆包含中轴线坐标、短轴线坐标和焦点坐标3个参数。
    为步骤1中得到的视频图像建立坐标系,在该坐标系中各人体特征参数的定义如下:
    3.1)中轴线与水平坐标轴的夹角变化量(参数Qpos)表征前景目标的中轴线与水平坐标轴的夹角的变化,由于溺水者动作的无规律行,所以与正常的游泳者相比溺水者的Qpos值比较大。
    3.2)最小外接矩阵面积比值(参数Qact)定义为前景目标最小外接矩阵在一段时间内面积比值。正常的游泳者由于手脚运动有规律,Qact会是一个相对比较稳定的较小值,而溺水者手脚的动作一般杂乱无章,所以Qact是一个相对不稳定,变化大的值。
    3.3)面积变化量(参数Qsv)表征前景目标在一段时间内面积的变化,即其中、、分别表示在一段时间间隔前景目标的面积的最大值、最小值和平均值。溺水者手脚无规律的动作幅度大,因此相对正常的游泳者其面积变化较大。
    3.4)水下部分比例(参数Qsub)表征前景目标浸没在水下的情况。当前景目标身体越多部分浸入水中时,前景目标的色彩饱和度会越高,因此,参数Qsub定义为在一段时间间隔内,前景目标最大色彩饱和度和最小色彩饱和度的差值。溺水者在早期的挣扎阶段露出水面的部分比较少,一般为头部或手脚,因此,相对于正常的游泳者,溺水者具有较大的Qsub值。
    步骤4:将步骤3得到的关于游泳者的人体特征参数输入经过训练的支持向量机分类器,判断该游泳者处于的状态。
    本发明采用支持向量机分类器,通过预先训练学习游泳者不同状态时的人体特征参数,从而实现对游泳者不同行为状态的分类识别。其中支持向量机分类器的训练学习过程如下:
    4.1)通过聘请专业演员模仿溺水行为和正常游泳行为,通过安装在水面上方的摄像头拍摄记录模仿的过程,得到视频图像序列样本;
    4.2)将步骤4.1)中得到的视频图像序列中的游泳者在每帧中的动作划分定义为4种状态,如图3所示,分别是游泳者与水面平行的状态s1,游泳者与水平垂直的状态s2,游泳者于水面向右倾斜的状态s3和游泳者于水平向左倾斜的状态s4;
    4.3)根据步骤2提取步骤4.1)得到的视频序列样本中的游泳者,再根据步骤3计算游泳者4种状态的人体特征参数分别记为Q1, Q2, Q3和Q4;
    4.4)将步骤4.3)中得到的Q1, Q2, Q3和Q4人体特征参数输入支持向量机分类器,完成训练学习。
    步骤5:将步骤(4)得到的游泳者的当前状态记录到状态记录序列R中。
    本步骤中涉及的状态记录序列R为一个10元的数组:,其中,,为步骤4.2)中定义的4种游泳者状态。
    步骤6:采用卡尔曼滤波算法跟踪步骤2中检测到的游泳者。
           步骤7:重复步骤(2)-(6)若干次,保存记录该游泳者的若干次状态检测的结果在状态记录序列R中。
    步骤8:通过步骤(7)中得到的状态记录序列R和状态行为关系表,判断该游泳者是处于正常的游泳行为还是潜在溺水行为,若判断的行为为潜在溺水行为,则并将当前的潜在溺水行为记录在行为记录序列T中;若判断的行为为正常的游泳行为,则丢弃该行为记录。
           状态行为关系表如表1所示,图中的百分比为各状态在若干次状态记录表R中所占的百分比。通过对游泳者连续时间内的动作状态检测来判断游泳者在当前时间段内的行为情况,其判断的规则如下:
           8.1)若在若干次状态记录R中,游泳者的垂直状态超过80%,则判断游泳者为潜在的溺水行为;
    8.2)在若干次状态记录R中,除了规则8.1)外的其他情况判断为正常游泳行为;
    步骤9:当行为记录序列T中存在3条连续时间内潜在溺水行为,则判断游泳者处于溺水行为,发出警报。
    表1:状态行为关系表

    本发明采用支持向量机作为机器学习的分类器,预先通过模拟得到溺水行为和正常游泳行为的视频序列样本训练支持向量机分类器,然后通过安装在水面上方的摄像头实时采集游泳池的视频图像序列,将监测到的视频图像序列输入训练好的支持向量机分类器,判断游泳者的行为状态,从而能够在现实公共游泳场所通过摄像头自动检测发现溺水者,能够最大限度的及时拯救生命,具有检测准确可靠、鲁棒性好、抗噪性能高、对泳池环境适应性好的优点;而且本发明通过安装在水面上方的摄像头实施监控,系统实施成本低,具有极大的工程应用价值。

    关 键 词:
    一种 基于 支持 向量 溺水 行为 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于支持向量机的溺水行为检测方法.pdf
    链接地址://www.4mum.com.cn/p-5778372.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03