一种滨海环境人群轨迹监测及安全预警方法与流程

本发明涉及安全预警领域，具体涉及一种滨海环境人群轨迹监测及安全预警方法。

背景技术：

1、近几年随着国民经济水平的提高，如今的娱乐休闲项目也越来越多，特别是在沙滩、海边这种场合尤为得到人们的青睐，随之而来的也出现了一些安全隐患，特别是在涨落潮的时候造成的后果最为严重，那么在此过程中能够检测出异常轨迹的监测目标物，可以有效的降低死亡风险。

2、基于轨迹跟踪的户外危险预警检测是当前户外安全预警最主要的手段，对检测具有风险的个体具有重要的作用，它具有高实时性，能够及时监测和响应异常情况，提高危险检测的效率，多目标跟踪，轨迹跟踪算法可以同时追踪多个游玩者的运动轨迹，适用于人群较多的场景，提高了检测的覆盖范围。

3、基于姿态检测一直是作为危险预警常用的手段，目前大多数所用的姿态识别方法主要针对自然光条件下，对人体关键点的检测与姿态匹配，但是，这不适用于昏暗无光的环境，并且由于户外环境复杂性的影响，大多数情况下由于分辨率的因素人体身体部位无法成像，因此对人体姿态的识别精度产生极大的影响。

技术实现思路

1、针对现有技术中的上述不足，本发明提供了一种滨海环境人群轨迹监测及安全预警方法。

2、为了达到上述发明目的，本发明采用的技术方案为：

3、一种滨海环境人群轨迹监测及安全预警方法，包括如下步骤：

4、s1、根据海浪流动趋势检测出当前的涨落潮状态；

5、s2、利用可见光-红外摄像机获取待检测视频数据，对视频数据处理获得自然光与红外融合的图片帧数据；

6、s3、利用yolov3网络模型对s2所获得的图片帧数据进行人像检测，以检测出的个体作为参考点进行轨迹跟踪得到检测出的个体的位置数据；

7、s4、利用轨迹密度求解当前时刻环境中的警戒线，以警戒线为标准进行分类预警学习；检测当前被监测目标物是否出现异常轨迹，并结合当前监控时刻是否为涨落潮状态进行危险预警。

8、进一步的，所述s1具体包括如下步骤：

9、s11、利用opencv读取海滨环境的可见光视频做帧处理并转换为灰度图，然后对灰度图进行高斯模糊；

10、s12、计算灰度图平均值，划定大于该灰度图平均值的区域为海岸，小于该灰度图平均值的区域为海，选取海岸区域在坐标轴的中心点作为海岸基准点；

11、s13、检测边缘图像，并对边缘图像进行形态学闭运算，利用长度阈值大于max{h,w}以及与海岸线基准点最小欧氏距离的边缘线作为海岸线，其中，h和w为边缘图像的高度和宽度；

12、s14、以固定时间间隔为一个周期，在周期内随机采样多帧图像并遍历出离海岸基准点最近的边缘线，若连续多次边缘线距离都呈现升高则判定为潮涨，若连续多次边缘线都呈现降低则判定为落潮。

13、进一步的，所述s2具体包括如下步骤：

14、s21、建立一个与待检测视频相同分辨率的图像；

15、s22、采用不同的权重阈值对s21所建立的图像进行分割，以x方向等间距分割、以最远端的y轴长度为基准，以等差数列的方式逐层增加y方向上的分割长度，将所建立的图像分割成n×n个图像区域，具体方式为：

16、ci＝c0+(n-1)·d

17、式中，c0为最远端的y轴长度，ci为第i个分割段的y轴长度，n为分段数，d为分割的权重阈值。

18、进一步的，所述s3具体包括如下步骤：

19、s31、将海滨环境中可见光-红外相机所采集的图像信息，进行每帧的双光融合；

20、s32、在步骤s2分割后的n×n个图像区域里计算第一设定时间段内进入图中ci×aj区域内的检测目标的数量，其中，aj为x方向上的第j个分割段区域，得到一副时间间隔为第一设定时间段的群体移动轨迹图。

21、进一步的，所述s4具体包括如下步骤：

22、s41、将第二设定时间段内所有得到的群体移动轨迹图叠加得到轨迹矩阵，其中，第二设定时间段>第一设定时间段；

23、s42、将所得到的轨迹矩阵转换为一位数组，并将其中为0的无效元素删除，求剩下的有效数字并取平均值；

24、s43、选取图像中高于平均值的区域框且所选区域框边缘线与海岸线平行的线作为警戒线，则该区域为低风区；

25、s44、选取图像中区域数小于阈值的ci×aj区域框并以所选区域框边缘线与海岸线平行的方式绘制高风险区，介于高风险区和低风险去的区域即为中风险区，利用多组数据做平均值得到多条警戒线表达式。

26、进一步的，所述警戒线表达式为：

27、

28、式中，y为警戒线表达式，ksealine为海岸线的斜率，bi为第i条海岸警戒线的轴距，n为警戒线数量。

29、进一步的，所述s4具体包括如下步骤：

30、s41、对所检测到的目标进行编码，通过yolov3返回的边界框左上角和右下角坐标得到被检测物体的像素中心坐标，将被检测物体的像素中心坐标以没10帧为单位进行存储，得到每个被检测物的标识以及对应每10帧的坐标信息；

31、s42、计算被检测物在该10帧时刻的平均速度并将其作为瞬时速度，并根据被检测物体的当前帧坐标和上一帧坐标求解其运动方向；

32、s43、根据被检测物体当前坐标以及警戒线表达式判断该检测物体与y方向坐标与警戒线的关系并对触发危险进行报警。

33、进一步的，所述s41中被检测物体的像素中心坐标表示为：

34、

35、式中，p为像素中心点，(x1，y1)为边界框左上角坐标，(x2，y2)为像素点右下角坐标。

36、进一步的，所述s42中运动方向的计算方式为：

37、

38、式中，(xnow，ynow)为当前帧时被检测物体坐标，(xlast，ylast)为被检测物体上一帧时的坐标，ki为第i个区域图像内的被检测物体运动方向。

39、进一步的，所述s43中具体判断方式为：

40、当yp＜ywarning_1＜ywarning_2时，被检测物体处于安全区并不进行预警；

41、当ywarning_1＜yp＜ywarning_2时，被检测物体处于中风险区并进行黄色预警标记；

42、当ywarning_1＜ywarning_2＜yp时，被检测物体处于高风险区并进行红色标记预警；

43、式中，ywarning_1、ywarning_2分别为将此时的像素中心点p中的横坐标值带入警戒线海岸线的表达式中得到的纵坐标值，yp为像素中心点p的纵坐标值。

44、本发明具有以下有益效果：

45、本发明利用群体运动规律作为参考点做区间规划，提出了一种基于海滨环境中人群轨迹跟踪的个体溺水预警方法，通过人群活动轨迹，利用双阀值绘制警戒线，比人为主观的划线更有准确性，可以较为准确的表现出海滨的安全范围，创建轨迹密度图再进行风险区划定，有效地削弱了背景信息带来的影响，对监测个体风险减少了计算量，该方法具有实时性、准确性、高效性等，对海滨环境危险预警起到了重要意义。