基于Mask20R-CNN泳池中溺水行为检测系统的设计与实现

发布时间：2021-05-09 08:59

　　游泳是一项受欢迎的运动,但存在的安全隐患不容忽视,传统的人工监视泳池的方式不仅耗费人力,而且容易出现疏漏,造成生命与财产损失。近年来计算机视觉技术发展迅速,在多个领域取得了卓越成效。计算机视觉技术在泳池安全检测方面的应用,可以取代传统的人工监视方式,为游泳者提供安全保障。在采用计算机视觉技术检测泳池安全方面,虽然国内外已经关注和研究了很多年,但是早期受到相关技术水平的限制,多采用传统的背景减除法。这种方法只适用于简单场景,且在泳池场景中检测速度慢,识别率低,检测效果差,因此并未取得实质性成果。针对以上问题和挑战,本文设计了基于深度学习的泳池溺水检测系统,主要工作如下:（1）调研了常见泳池的基本信息,对泳池场景溺水检测难点进行分析。针对泳池场景的背景动态性、水面反光性、游泳者形态多样性与物体多样性等难点,采用了一种基于深度学习的目标检测方法,通过训练大量样本,弱化了干扰项,并训练出鲁棒性较高的分类器模型。（2）设计了一套适用于常见泳池的溺水检测系统,系统包括信息采集模块,目标检测算法模块以及可视化界面模块等。信息采集模块,在泳池上方安装了4个高清摄像头,采用多线程技术进行信息同步传输;目... 

【文章来源】：青岛大学山东省

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 本文主要研究内容
    1.4 论文结构
第二章 目标检测算法的分析与对比研究
    2.1 背景减除法目标检测技术
        2.1.1 背景减除法原理介绍
        2.1.2 高斯混合模型原理
        2.1.3 高斯混合模型的应用
    2.2 基于深度学习的目标检测技术
        2.2.1 特征提取算法
        2.2.2 卷积神经网络的结构
        2.2.3 卷积神经网络的训练方法
        2.2.4 基于回归模型的目标检测技术
        2.2.5 基于候选区域的目标检测技术
    2.3 本章小结
第三章 泳池溺水检测系统设计
    3.1 泳池场景分析与系统框架设计
        3.1.1 泳池场景特点
        3.1.2 系统要求与系统框架设计
        3.1.3 泳池溺水报警系统的构成
        3.1.4 计算机软硬件配置
    3.2 信息采集模块设计
        3.2.1 常用的信息采集设备
        3.2.2 本系统信息采集设备
    3.3 目标检测模块设计与实现
        3.3.1 基于深度学习的目标检测流程
        3.3.2 Mask R-CNN构架
        3.3.3 目标检测模块程序实现流程
    3.4 可视化界面模块设计
        3.4.1 泳池检测系统用户界面绘制与功能介绍
        3.4.2 泳池检测系统图形用户界面实现
    3.5 本章小结
第四章 泳池中目标检测实验与结果分析
    4.1 数据集制作与训练环境参数设置
        4.1.1 数据集制作
        4.1.2 训练环境参数设置
    4.2 评价标准
        4.2.1 准确率与召回率
        4.2.2 平均精度
    4.3 实验与结果分析
        4.3.1 实验结果展示
        4.3.2 训练实验数据分析
        4.3.3 测试实验数据分析
    4.4 本章小结
第五章 结论与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的研究成果
致谢


【参考文献】：
期刊论文
[1]溺水救治进展[J]. 徐杰丰,方雅,张茂.  中华全科医师杂志. 2018 (05)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[3]溺水与急救[J]. 浦鹏飞,冯德富.  中国医药导报. 2007(25)
[4]一种基于高斯混合模型的距离图像分割算法[J]. 向日华,王润生.  软件学报. 2003(07)
[5]游泳季节防溺水游泳池溺水事故调查与对策[J]. 孙云龙,许青燕.  浙江体育科学. 1994(04)

硕士论文
[1]基于改进背景差分法的水下人体检测技术研究[D]. 朱林.北京工业大学 2017



本文编号：3177015