基于改进的Mask R-CNN的游泳池溺水检测研究

作者：井明涛; 于腾; 冯梦瑶; 杨国为^*

来源：青岛大学学报(工程技术版), 2021, 36(01): 1-21.

DOI：10.13306/j.1006-9798.2021.01.001

• 前景检测
• 深度神经网络
• 图像分割
• 注意力机制
• 目标检测

针对传统的前景检测方法在复杂场景下存在精度低、速度慢且不能有效检测目标动作轮廓等问题,本文主要对改进的Mask R-CNN的游泳池溺水检测进行研究。采用实例分割网络Mask R-CNN进行检测与分割,实现溺水检测,在Mask分支引入空间注意力引导模块,设计了深度注意力分割模型SAG-Mask R-CNN,并在训练Mask R-CNN网络时,严格按照视频顺序帧的顺序输入进行训练,确保Mask R-CNN网络能学到溺水动态特征。同时,将前景检测方法和模型Mask RCNN进行对比实验。实验结果表明,与Mask R-CNN相比,深度注意力分割模型SAG-Mask RCNN,在保持检测高速度的同时,分割精度提升了15%～20%,提高了溺水检测的准确性。该研究对减少游泳池中溺水事故的发生意义重大。

• 单位
  青岛大学