于中阳，杨文辉

（上海旺链信息科技有限公司，上海 200443）

游泳是一项非常受欢迎的运动，但是泳池溺水事故频发。目前的泳池防溺水措施大多依赖于人工观察，人力成本高，并且容易出现人工疏忽，救援不及时的现象。因此，研究人员提出了许多有效的泳池防溺水措施。

目前的泳池防溺水研究主要分为2 类：①基于可穿戴式防溺水设备的研究，如手环、泳帽等[1-3]。通过可穿戴式防溺水设备实时监测游泳者的生命体征，出现异常，发出警报[4-6]。这种方法需要额外佩戴设备，影响了游泳者的游泳体验，并且设备存在易受环境干扰、需要经常维护保养的问题。②基于计算机视觉的泳池防溺水研究[7-9]，通过摄像头获取游泳者的游泳图像，利用目标检测、人体姿态估计等深度学习模型分析游泳者的运动状态，判断游泳者是否溺水，这种方法游泳者不需要佩戴设备，可以带来更好的游泳体验。但是，当前的基于计算机视觉的泳池防溺水技术大多利用目标检测算法（如YOLO 系列）研究游泳者的头部、人体与水面的位置关系，人为设置溺水判定规则，主观因素太强，模型参数过多且难以确定，准确率有待提高[8，10]。

具有研究意义的泳池防溺水研究主要有：Prakash[11]提出一种新方程（NEPTUNE）泳池溺水检测系统，先合并处理视频序列的图像，再利用K-means 聚类算法提取合并的图像的特征，利用每个图像的变量识别出溺水情况，检测速度快，误报率低。青岛大学乔羽[12]设计了一种基于Mask R-CNN 泳池中溺水行为检测系统，采用Mask R-CNN 算法对游泳者图像进行目标检测，训练出的分类器模型能够检测出游泳者的多种游泳行为，该系统的检出率为91.2%，误检率为7.5%。……