彭 婷， 沈精虎， 乔 羽

(1.青岛大学 机电工程学院，山东 青岛 266071；2.烟台创迹软件有限公司青岛分公司，山东 青岛 266071)

0 引 言

近年来泳池溺水事故多发，主要原因是没有及时发现溺水者，错过最佳急救时间所致，因此开发准确率高、检测时间短的溺水检测系统十分必要。对于泳池溺水者检测系统，现有的是基于背景减法的游泳者检测系统[1]，利用背景减法对游泳者进行检测， 通过判断水下游泳者像素范围判断溺水者和正常游泳者，但该法在人员较多的泳池中，由于聚类效果不佳而严重影响高斯混合模型建立的准确性。除此之外，其他的运动检测法，类如光流法和帧间差分法，光流法运算公式复杂，计算量大， 不能满足溺水检测的实时性。帧间差分法很难检测出静止或移动缓慢的前景，不能识别出静止站立在水中或泳池边上的游泳者，均不满足需求。

为了提升泳池溺水检测系统的准确率和检测速度，及时发现溺水者，本文对Mask R-CNN算法进行优化，通过实验验证了该算法的可行性，弥补了溺水检测在深度学习领域的空缺。

1 系统设计

1.1 总体设计

本文提出的基于Mask R-CNN泳池中溺水行为检测系统组成如图1所示，主要部分为：1)信息采集：选用4个高清筒形网络摄像机采集信息，为检测过程提供视频帧序列；选用可移动摄像头拍摄视频，读取照片制作数据集用于训练过程。2)目标检测：采用改进的Mask R-CNN算法实现泳池中人物姿势识别。3)可视化界面：采用PyQt设计软件，基于Python编程语言设计了交互界面，将泳池中的信息和处理结果反馈给用户；……