本发明涉及人工智能方法在安全防控领域的应用，尤其是基于卷积神经网络的(儿童)泳池监控报警系统与方法。
背景技术：
随着21世纪持续的经济快速增长，人们越来越重视儿童身心的全面发展，更多的家长选择带孩子进行游泳锻炼，因为游泳的好处颇多，比如让儿童更聪明、提高睡眠质量、增强心肺功能、有助于长高、有助于消化等等。但是，游泳存在的风险也是不能完全避免的，由于游泳池小孩子太多，救生人员无法关注到每一个小孩的游泳状态，若小孩发生溺亡危险，即使有多个救生人员不能第一时间发现意外并预防意外情况。即使有多救生人员仍然有疏于观察的时候。
而意外情况导致的溺水是极其惨重的事故，本发明设计了一种基于卷积神经网络的儿童游泳池监控报警系统，对儿童游泳进行实时的监控并对儿童在游泳池的位置进行定位并判断是否头在水下，并对此危险图像进行跟踪判断，用卷积神经网络训练出来的模型对游泳姿势进行判断，每当有儿童被判断为有溺水危险时，人头在水面下一定时间(如8-20秒，不同年龄阶段可以设计不同的判据)以上且姿势判定为有溺水风险，系统迅速反应向救生人员发出警报，并将有溺水风险的儿童的坐标信息标注在游泳池坐标系下，以便救生人员更快找到溺水儿童进行重点观察并进行施救。
技术实现要素：
本发明目的是，提出一种基于卷积神经网络的(儿童)泳池监控报警系统与方法。采用高清全景摄像头对游泳池进行实时监控，并在pc端用卷积神经网络对按时序采集到的图片进行处理，判断游泳者是否有溺水风险，当游泳者有溺水风险时，系统将发送警报给救生人员的手机app，并发送溺水儿童的坐标信息，以便救生人员进行重点观察并及时找到溺水儿童并施救。本发明也能用于对所有泳池监控报警系统与方法。协助安全员对泳者安全进行保障。
本发明的技术方案是，一种基于卷积神经网络的(儿童)泳池监控报警系统，基于如下装置：带有水压检测和(gps、北斗等)定位的泳帽、高清全景摄像头、pc端或服务器端及显示器、救生人员的手机app；带有水压检测和(gps)定位的泳帽：泳帽装有水压传感器、(gps)定位模块、wifi模块和嵌入式微控制器，水压传感器、(gps)定位模块、wifi模块均连接到嵌入式微控制器；水压传感器用来检测游泳者头部是否在水面下或再给出水面下的位置，若在水面下，将判断信息传入嵌入式微控制器；(gps模块等)定位模块实现实时定位，将游泳者在游泳池的坐标信息传入嵌入式微控制器；嵌入式微控制器通过wifi模块将收到的信息传入pc端(或服务器端)；游泳者必须戴泳帽游泳。
高清全景摄像头：实现对泳池内的全景监控，将拍摄的图片传入pc端；
pc端(每隔一定时间通过软件对摄像图像进行分析)：为游泳池建立二维坐标系，根据泳帽信号或再加图像信号实时统计游泳池内游泳者人数；通过水压传感器统计及判断每位泳者头置于水面下的人数及时间、当某位泳者头置于水面下的人数及时间超过一阈值时间，pc端通过wifi模块向救生人员的手机app报警；
从泳帽上传入的坐标信息确定每一个游泳者的位置坐标，将每一个游泳者的坐标标记为绿色显示在坐标系上并且实时更新；泳帽传入游泳者在水面上下的判断信息，若游泳者在水面下，将其坐标标记为黄色(代表可能有溺亡风险，需要对其游泳姿态进行判断)，若游泳者在水面上，判定其为安全。
进一步的，通过卷积神经网络(lenet-5)对可能有溺亡风险的游泳者进行姿势识别判断，若在一定时间内(8-20秒，不同年龄阶段设置不同判据)检测游泳者在水面下且游泳姿势判断为有溺水风险，则将其坐标标记为红色，并将游泳者在游泳池中的位置坐标和判断有无溺水风险的结果传给救援人员的手机app。
救援人员的手机app：接收来自pc端处理得到的泳池坐标系、每个游泳者的实时坐标以及游泳池实时游泳者人数，将其显示在手机屏幕上。正常游泳的游泳者坐标为绿色，有溺亡风险的游泳者坐标标记为红色。每当出现红色坐标，手机发出震动并报警。由于游泳帽是泳池标配，所以本发明实用价值很大。
有益效果：本发明提供了一种主要是应用于儿童泳池(也可用于其它泳池)的儿童游泳时的溺水风险监控与报警系统，以及基于卷积神经网络实现的溺水风险判断和位置坐标监控功能。每当有儿童或其它泳者被判断为有溺水危险时，主要判据是人头在水下或脸面在水面下十秒(如8-20秒，不同年龄阶段可以设计不同的判据)左右以上且姿势判定为有溺水风险，系统迅速反应向救生人员发出警报，并将有溺水风险的儿童的坐标信息标注在游泳池坐标系下，以便救生人员更快找到溺水儿童进行重点观察并进行施救。尤其是人头在水下时的判断会更精确。
附图说明
图1是本发明结构示意图；
图2是游泳帽结构图：
图3是卷积神经网络的游泳者游泳姿势识别判断的流程图。
具体实施方式
(一)监控报警系统的工作流程：
泳帽上的gps和压力传感器将坐标信息和头部在水面上下的判断信息传入pc端，pc端将头部在水面上的游泳者标记为绿色，头部在水面下的游泳者标记为黄色。然后高清全景摄像头采集到的图像和标记为黄色的游泳者进行匹配，对其进行跟踪拍摄(特定时间内每一秒对其采集一张图像)并分割出来，传入卷积神经网络(lenet-5)进行姿势判断，若在头部在水面下且姿势判断为有溺水风险，则将其坐标标记为红色，pc端发送警报信息给应用程序端，否则将其标记为绿色。泳帽上的gps和压力传感器wifi即标记4以及微处理器2以及电池均用密封包装材料封闭(如注塑封装，能够耐水，也能够成为一个单独个体配置不同的泳帽)，可以类似电动牙刷的充电结构。
基于卷积神经网络的(儿童)泳池监控报警系统装置型号：带有水压检测和(gps)定位的泳帽、高清全景摄像头、pc端或服务器端及显示器、救生人员的手机app；带有水压检测和(gps)定位的泳帽：泳帽装有水压传感器5(置于泳帽的边缘)、(gps或北斗或uwb定位模块)定位模块3、wifi模块和嵌入式微控制器，水压传感器、(gps)定位模块、wifi模块均连接到嵌入式微控制器；压力传感器的型号是：cm5541，防水数字压力传感器，具有低功耗的特点。wifi模块使用ap6212a，具有低功耗的特点。嵌入式微控制器使用stm32f103芯片，具有低功耗高性能的特点。
游泳者必须戴泳帽1游泳；gps、北斗模块等定位模块宜于用于室外；而当用于室内泳池时还可以采用uwb定位标签设置于泳帽上(注塑封装，能够耐水，也能够成为一个单独个体)，不断发送uwb定位脉冲；uwb基站有三个，三个uwb基站分别测量uwb定位脉冲并将测量结果反馈给pc端(或服务器端)；pc端根据接收到的测量结果采用tof算法估算uwb定位标签的位置，实现泳帽下游泳者的定位；头部的水面上下的判据仍由游泳者泳帽的压力传感器提供，压力传感器的型号是：cm5541等，能通过ad转换后发wifi模块发送到pc端(服务器端)。
基于卷积神经网络的游泳者游泳姿势识别判断，卷积神经网络算法(lenet-5模型)：对某游泳者的姿势监控(监控临近阈值的游泳者，游泳者头部位于水面下3秒时)：
step1：将已经完成目标分割的图片(48×48像素)作为输入层，与6个不同的5×5卷积核进行卷积，得到44×44×6的特征图。
step2：将得到的特征图用2×2的窗口以2为步长进行最大池化，也称为下采样。该步骤的目的为保持图像旋转、平移等不变性，并且降低特征维数。池化后将得到22×22×6的特征图。
step3：用16个不同的5×5卷积核对上个步骤得到的特征图进行卷积，得到18×18×16的特征图。
step4：将得到的特征图用2×2的窗口以2为步长进行最大池化，得到9×9×16的特征图。
step5：将上个步骤得到1298个特征展开为一维特征向量，通过第一个全连接层降维到400个特征，第二个全连接层降维到120个特征，第三个全连接层降维到84个特征。全连接时上一层特征向量得到下一层特征向量的转换公式为
a[i]＝g(w[i]a[i-1])
w为权值向量；a[i-1]为上一层的输入特征向量；a[i]为此层特征向量；g为激活函数，这里采用relu函数。
step6：卷积网络的最后一层采用softmax分类器，结合上一层的输出结果，softmax将结果分为2种，分别对应正常游泳姿势和有溺水风险游泳姿势。
卷积神经网络的训练集来源于游泳馆的监控数据库，将所有的游泳图像分为两类，一类为正常游泳姿势，一类为有溺水风险游泳姿势。
(二)系统的运行方式即本发明的方案流程：
1.通过泳帽获取游泳者的坐标信息和头在水面上下的判断信息传入pc端，pc端将在水面上的游泳者标记为绿色，在水面下的游泳者标记为黄色。
2.高清全景摄像头采集到的图像和pc端中坐标为黄色的游泳者进行匹配，找到其在图像中的具体位置，对其进行一定时间内(8-20秒，不同年龄阶段设置不同判据)的图像采集，并将其分割出来。
3.将分割后的图像传入训练出来的卷积神经网络模型(lenet-5)，对其游泳姿势进行识别判断，存储这段时间内的判断结果。
4.若在这段时间内姿势判断结果为有溺水风险，且其头部在水面下，则将其标记为红色，并发送警报信息给救援人员的手机app；否则将其坐标重新标记为绿色。
5、以上判断在每5-10秒进行一次1-4的判断。
1.一种泳池监控报警系统，其特征是，包括带有水压检测和定位模块的泳帽、高清全景摄像头、pc端或服务器端及显示器、救生人员的手机app；带有水压检测和定位的泳帽：泳帽装有水压传感器、定位模块、wifi模块和嵌入式微控制器，水压传感器、定位模块、wifi模块均连接到嵌入式微控制器；泳者须戴所述泳帽，水压传感器用来检测游泳者头部是否在水面下或再给出水面下的位置，若在水面下，将判断信息传入嵌入式微控制器；定位模块实现实时定位，将游泳者在游泳池的坐标信息传入嵌入式微控制器；嵌入式微控制器通过wifi模块将收到的信息传入pc端或服务器端；高清全景摄像头：实现对泳池内的全景监控，将拍摄的图片传入pc端。
2.根据权利要求1所述的泳池监控报警系统，其特征是，pc端为游泳池建立二维坐标系，根据泳帽信号或再加图像信号实时统计游泳池内游泳者人数；通过水压传感器统计及判断每位泳者头置于水面下的人数及时间、当某位泳者头置于水面下的人数及时间超过一阈值时间，pc端通过wifi模块向救生人员的手机app报警。
3.根据权利要求1所述的泳池监控报警系统，其特征是，从泳帽上传入的坐标信息确定每一个游泳者的位置坐标，将每一个游泳者的坐标标记为绿色显示在坐标系上并且实时更新；泳帽传入游泳者在水面上下的判断信息，若游泳者在水面下，将其坐标标记为黄色、代表可能有溺亡风险，需要对其游泳姿态进行判断，若游泳者在水面上，判定其为安全。
4.根据权利要求1或2所述的泳池监控报警系统，其特征是，通过卷积神经网络(lenet-5)对可能有溺亡风险的游泳者进行姿势识别判断，若在一定时间内(8-20秒，不同年龄阶段设置不同判据)检测游泳者在水面下且游泳姿势判断为有溺水风险，则将其坐标标记为红色，并将游泳者在游泳池中的位置坐标和判断有无溺水风险的结果传给救援人员的手机app；
救援人员的手机app：接收来自pc端处理得到的泳池坐标系、每个游泳者的实时坐标以及游泳池实时游泳者人数，将其显示在手机屏幕上；有溺亡风险的游泳者坐标标记为红色；每当出现红色坐标，手机发出震动并报警。
5.根据权利要求1或2所述的泳池监控报警系统，其特征是，而当用于室内泳池时还可以采用uwb定位标签设置于泳帽上，不断发送uwb定位脉冲；uwb基站有三个，三个uwb基站分别测量uwb定位脉冲并将测量结果反馈给pc端(或服务器端)；pc端根据接收到的测量结果采用tof算法估算uwb定位标签的位置，实现泳帽下游泳者的定位；头部的水面上下的判据仍由游泳者泳帽的压力传感器提供，压力传感器的型号是：通过ad转换后发wifi模块发送到pc端或服务器端。
6.根据权利要求1-4之一所述的泳池监控报警系统进行报警的方法，其特征是，通过水压传感器统计及判断每位泳者头置于水面下的人数及时间、当某位泳者头置于水面下的人数及时间超过一阈值时间，pc端通过wifi模块向救生人员的手机app报警。
7.根据权利要求6所述的泳池监控报警系统进行报警的方法，其特征是，基于卷积神经网络的游泳者游泳姿势识别判断，卷积神经网络算法且采用lenet-5模型：对某游泳者的姿势监控，监控临近阈值的游泳者，游泳者头部位于水面下3秒时：
step1：将已经完成目标分割的图片作为输入层，与6个不同的5×5卷积核进行卷积，得到44×44×6的特征图；
step2：将得到的特征图用2×2的窗口以2为步长进行最大池化，也称为下采样；该步骤的目的为保持图像旋转、平移等不变性，并且降低特征维数；池化后将得到22×22×6的特征图；
step3：用16个不同的5×5卷积核对上个步骤得到的特征图进行卷积，得到18×18×16的特征图；
step4：将得到的特征图用2×2的窗口以2为步长进行最大池化，得到9×9×16的特征图；
step5：将上个步骤得到1298个特征展开为一维特征向量，通过第一个全连接层降维到400个特征，第二个全连接层降维到120个特征，第三个全连接层降维到84个特征；全连接时上一层特征向量得到下一层特征向量的转换公式为
a[i]＝g(w[i]a[i-1])
w为权值向量；a[i-1]为上一层的输入特征向量；a[i]为此层特征向量；g为激活函数，这里采用relu函数；
step6：卷积网络的最后一层采用softmax分类器，结合上一层的输出结果，softmax将结果分为2种，分别对应正常游泳姿势和有溺水风险游泳姿势；
卷积神经网络的训练集来源于游泳馆的监控数据库，将所有的游泳图像分为两类，一类为正常游泳姿势，一类为有溺水风险游泳姿势。
8.根据权利要求6所述的泳池监控报警系统进行报警的方法，其特征是，步骤1.通过泳帽获取游泳者的坐标信息和头在水面上下的判断信息传入pc端，pc端将在水面上的游泳者标记为绿色，在水面下的游泳者标记为黄色；
步骤2.高清全景摄像头采集到的图像和pc端中坐标为黄色的游泳者进行匹配，找到其在图像中的具体位置，对其进行一定时间内，选择8-20秒，不同年龄阶段设置不同判据的图像采集，并将其分割出来；
步骤3.将分割后的图像传入训练出来的卷积神经网络模型lenet-5，对其游泳姿势进行识别判断，存储这段时间内的判断结果；
步骤4.若在这段时间内姿势判断结果为有溺水风险，且其头部在水面下，则将其标记为红色，并发送警报信息给救援人员的手机app；否则将其坐标重新标记为绿色；
步骤5、每5-10秒进行一次1-4步骤的判断。
技术总结