申请/专利权人：湖南大学

申请日：2024-03-06

公开（公告）日：2024-05-17

公开（公告）号：CN118053205A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/52;G06V10/82;G06V10/40;G06V10/80;G06V10/764;G06V10/766;G06V10/774;G06V10/25;G06T7/277;G06T7/246;G06T5/77;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明公开了基于泳池环境的目标感知与人员行为姿态检测方法及系统，方法为：建立图片数据集；建立目标检测网络模型用于对待检测的泳池图像进行处理；构建基于WP‑YOLO模型的行为识别级联网络模型用于对泳池人员行为识别；系统包括：图片数据集建立子系统、泳池图像处理子系统和泳池人员行为识别子系统。

主权项：1.基于泳池环境的目标感知与人员行为姿态检测方法，基于YOLOv7网络模型，YOLOv7网络模型包括主干特征提取网络、多级特征融合网络和检测头；主干特征提取网络用于对预处理的泳池图像进行特征提取，并输出多个不同尺度的特征图；多级特征融合网络用于对所述不同尺度的特征图进行特征融合，获得多个不同尺度的预测特征图；检测头用于对所述预测特征图进行分类回归操作，得到所述图像目标的类别信息、位置信息和置信度，其特征在于，包括以下步骤：S1.建立图片数据集；获取泳池监控视角的水面视频，对水面视频进行处理后得到原始图像，对原始图像中所存在的静态物体和移动人员分别进行分类标注，得到目标检测数据集和人员行为识别数据集，并分别对目标检测数据集和人员行为识别数据集进行训练集和验证集的划分；S2.建立目标检测网络模型用于对待检测的泳池图像进行处理：S21.以YOLOv7网络模型为基础，在YOLOv7网络模型的主干特征提取网络中加入CBAM模块以引入通道注意力机制和空间注意力机制；S22.在检测头层添加SKNet模块以引入SKNet注意力机制，得到WP-YOLO模型，利用目标检测数据集的训练集和验证集对WP-YOLO模型进行训练与验证，将训练后的WP-YOLO模型作为目标检测网络模型；S23.对待检测的泳池图像进行预处理，将预处理后的待检测的泳池图像对应的像素矩阵输入训练后的WP-YOLO模型进行目标检测，获得目标的类别信息、位置信息和置信度；S3.构建基于WP-YOLO模型的行为识别级联网络模型用于对泳池人员行为识别：基于人员行为识别数据集的训练集和验证集对WP-YOLO网络、deepsort算法模型和SlowFast-TS网络模型进行训练和验证，得到训练后的级联网络模型，其中，通过WP-YOLO网络对人员目标进行定位，获得目标位置信息，通过deepsort算法模型对人员目标进行跟踪，通过SlowFast-TS网络模型对人员连续帧动作进行特征提取。

全文数据：

权利要求：

百度查询： 湖南大学 基于泳池环境的目标感知与人员行为姿态检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD