(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211301689.2 (22)申请日 2022.10.24 (71)申请人 杭州巨岩欣成科技有限公司 地址 311121 浙江省杭州市余杭区五常街 道文一西路9 98号4幢503室 (72)发明人 任小枫　谢欣　郭羽　王振华　 张剑华　郭东岩　应凯宁　张都思　 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/40(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 泳池防溺水的溺水行为识别方法、 装置、 设 备及介质 (57)摘要 本发明实施例公开了泳池防溺水的溺水行 为识别方法、 装置、 设备及介质。 所述方法包括： 获取待识别视频； 将所述待识别视频输入至溺水 行为识别模 型内进行溺水行为识别， 以得到识别 结果； 输出所述识别结果； 其中， 所述溺水行为识 别模型是通过标注有溺水行为标签的溺水视频 作为样本集对深度学习网络进行训练所得的。 通 过实施本发明实施例的方法可实现提高溺水行 为识别的准确率。 权利要求书2页 说明书10页 附图4页 CN 115376210 A 2022.11.22 CN 115376210 A 1.泳池防溺水的溺水 行为识别方法， 其特 征在于， 包括： 获取待识别视频； 将所述待识别视频输入至溺水 行为识别模型内进行溺水 行为识别， 以得到识别结果； 输出所述识别结果； 其中， 所述溺水行为识别模型是通过标注有溺水行为标签的溺水视频作为样本集对深 度学习网络进行训练所 得的。 2.根据权利要求1所述的泳池防溺水的溺水行为识别方法， 其特征在于， 所述溺水行为 识别模型包括Sl owFast网络、 目标检测网络以及预测头； 所述目标检测网络包括Ro IAlign。 3.根据权利要求2所述的泳池防溺水的溺水行为识别方法， 其特征在于， 所述溺水行为 识别模型是通过标注有溺水行为标签的溺水视频作为样本集对深度学习网络进行训练所 得的， 包括： 采集若干个具备溺水行为的溺水视频， 且对所述溺水视频的每一帧中溺水行为进行标 签标注， 以得到样本集； 划分所述样本集， 以得到训练集以及测试集； 构建深度学习网络以及损失函数； 利用所述训练集对所述深度学习网络进行训练， 以得到训练结果； 利用损失函数计算训练结果与训练集的标签对应的内容的损失值； 判断所述损失值是否 趋于平稳； 若所述损 失值趋于平稳， 则利用所述测试集对训练后的深度学习 网络进行测试， 以得 到测试结果； 判断所述测试 结果是否符合要求； 若所述测试 结果符合要求， 则确定所述深度学习网络为溺水 行为识别模型； 若所述测试结果不符合要求， 则修改所述深度学习 网络的参数， 并执行所述利用所述 训练集对所述深度学习网络进行训练， 以得到训练结果； 若所述损失值未趋 于平稳， 则执 行所述修改所述深度学习网络的参数。 4.根据权利要求3所述的泳池防溺水的溺水行为识别方法， 其特征在于， 所述利用所述 训练集对所述深度学习网络进行训练， 以得到训练结果， 包括： 将所述训练集输入至所述深度学习网络的SlowFast骨干网络内提取两个分支的图像 时序特征； 将两个分支的图像时序特 征进行合并， 以得到合并结果； 采用所述深度学习网络中的Ro IAlign提取所述合并结果的目标 特征； 将所述目标特征输入至所述深度学习网络中的预测头进行动作分类， 以得到训练结 果。 5.根据权利要求4所述的泳池防溺水的溺水行为识别方法， 其特征在于， 所述将所述训 练集输入至所述深度学习网络的SlowFast骨干网络内提取两个分支的图像时序特征， 包 括： 将训练集内的当前帧图像以及 当前帧图像的前面若干帧图像作为输入图像， 输入至所 述深度学习网络的Sl owFast骨干网络内提取两个分支的图像时序特 征。 6.泳池防溺水的溺水 行为识别装置， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115376210 A 2视频获取 单元， 用于获取待识别视频； 识别单元， 用于将所述待识别视频输入至溺水行为识别模型内进行溺水行为识别， 以 得到识别结果； 输出单元， 用于输出所述识别结果。 7.根据权利要求6所述的泳池防溺水的溺水 行为识别装置， 其特 征在于， 还 包括： 模型生成单元， 用于通过标注有溺水行为标签的溺水视频作为样本集对深度 学习网络 进行训练， 以得到溺水 行为识别模型。 8.根据权利要求7所述的泳池防溺水的溺水行为识别装置， 其特征在于， 所述模型生成 单元包括： 采集子单元， 用于采集若干个具备溺水行为的溺水视频， 且对所述溺水视频的每一帧 中溺水行为进行 标签标注， 以得到样本集； 划分子单 元， 用于划分所述样本集， 以得到训练集以及测试集； 构建子单 元， 用于构建深度学习网络以及损失函数； 训练子单 元， 用于利用所述训练集对所述深度学习网络进行训练， 以得到训练结果； 损失值计算子单元， 用于利用损失函数计算训练结果与训练集的标签对应的内容的损 失值； 判断子单元， 用于判断所述损失值是否趋于平稳； 若所述损失值未趋于平稳， 则执行修 改所述深度学习网络的参数； 测试子单元， 用于若所述损 失值趋于平稳， 则利用所述测试集对训练后的深度学习 网 络进行测试， 以得到测试 结果； 结果判断子单 元， 用于判断所述测试 结果是否符合要求； 确定子单元， 用于若所述测试结果符合要求， 则确定所述深度学习 网络为溺水行为识 别模型； 修改子单元， 用于若所述测试结果不符合要求， 则修改所述深度 学习网络的参数， 并执 行所述利用所述训练集对所述深度学习网络进行训练， 以得到训练结果。 9.一种计算机设备， 其特征在于， 所述计算机设备包括存储器及处理器， 所述存储器上 存储有计算机程序， 所述处理器执行所述计算机程序时实现如权利要求 1至5中任一项所述 的方法。 10.一种存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计算机程序被 处理器执行时实现如权利要求1至 5中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115376210 A 3