人员掉水监测方法、装置、电子设备及存储介质与流程

1.本发明涉及人工智能领域，尤其涉及一种人员掉水监测方法、装置、电子设备及存储介质。


背景技术：

2.游船是一种为游客提供水面游玩的水面载具，一般来说，在能够造船的景区里都开设游船服务，游客能够搭载游船在湖面上的对湖面进行观光，但是由于各种意外原因，会存在游客掉水的可能，比如游客船上嬉闹不注意掉水，游客船上脚滑掉水，然而，一些游客又会自己跳入水中在水中游玩，在没有人目标目击游客掉水的具体情况下，其他游客看到水中有人时也很难及时分辨水中的游客是主动跳入水中，还是被动掉入水中，需要一定时间进行观察，从而缩短了掉水人员的施救窗口。


技术实现要素：

3.本发明实施例提供一种人员掉水监测方法，旨在解决现有技术中在发现入水人员时，需要一定的观察时间来确定入水人员为掉水人员，缩短掉水人员的掉水人员施救窗口的问题。通过入水人员的入水视频以及船身抖动信息来结合确定入水人员是否为掉水人员，由于跳水以及掉水对于船身造成的抖动情况是不同的，因此，能够在入水视频的基础上，结合船身抖动信息来更准确地确定是否为掉水人员。同时，能够自动将掉水人员向相关管理部门进行提示，提高相关管理部门对于景区的管理效率。
4.第一方面，本发明实施例提供一种人员掉水监测方法，所述方法包括：
5.检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；
6.根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；
7.若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。
8.可选的，在所述检测到入水人员时，获取入水人员的入水视频以及船身抖动信息之前，所述方法还包括：
9.对游船上的人员进行视觉跟踪，得到被跟踪人员的跟踪轨迹；
10.若所述跟踪轨迹的最新位置位于预设的船体区域之外，则确定所述跟踪轨迹对应的被跟踪人员为入水人员。
11.可选的，所述检测到入水人员时，获取入水人员的入水视频以及船身抖动信息，包括：
12.根据所述跟踪轨迹以及所述船体区域，确定采样时间；
13.根据所述采样时间确定所述入水人员的入水视频，以及根据所述采样时间确定所述船身抖动信息。
14.可选的，所述根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员，包括：
15.对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序
列；
16.根据所述船身抖动信息确定船身抖动序列；
17.根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员。
18.可选的，所述对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序列，包括：
19.对所述入水视频中每一帧图像进行着装识别，得到所述入水人员的着装状态序列；
20.对所述入水视频中每一帧图像进行动作识别，得到所述入水人员的动作状态序列；
21.对所述入水视频中每一帧图像进行表情识别，得到所述入水人员的表情状态序列；
22.基于所述着装状态序列、所述动作状态序列以及所述表情状态序列，确定所述入水人员的入水状态序列。
23.可选的，所述根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员，包括：
24.将所述入水状态序列与所述船身抖动序列进行融合，得到融合序列；
25.基于所述融合序列，确定所述入水人员是否为掉水人员。
26.可选的，所述基于所述融合序列，确定所述入水人员是否为掉水人员，包括：
27.将所述融合序列由时域变换到频域，得到所述融合序列的频域特征；
28.根据所述频域特征与预设的参考频域特征进行比对；
29.若比对成功，则确定所述入水人员为非掉水人员；
30.若比对失败，则确定所述入水人员为掉水人员。
31.第二方面，本发明实施例提供一种人员掉水监测装置，所述装置包括：
32.获取模块，用于检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；
33.第一确定模块，用于根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；
34.第二确定模块，用于若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。
35.第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的人员掉水监测方法中的步骤。
36.第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的人员掉水监测方法中的步骤。
37.本发明实施例中，检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。通过入水人员的入水视频以及船身抖动信息来结合确定入水人员是否为掉水人员，由于跳水以及掉水对于船身造成的抖
动情况是不同的，因此，能够在入水视频的基础上，结合船身抖动信息来更准确地确定是否为掉水人员。同时，能够自动将掉水人员向相关管理部门进行提示，提高相关管理部门对于景区的管理效率。
附图说明
38.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1是本发明实施例提供的一种人员掉水监测方法的流程图；
40.图2是本发明实施例提供的一种人员掉水监测装置的结构示意图；
41.图3是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
42.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.请参见图1，图1是本发明实施例提供的一种人员掉水监测方法的流程图，如图1所示，该人员掉水监测方法用于游船上的人员掉水监测，该人员掉水监测方法包括以下步骤：
44.101、检测到入水人员时，获取入水人员的入水视频以及船身抖动信息。
45.在本发明实施例中，上述入水人员为在水中的人员，可以通过图像监控设备对游船周围的水面进行目标检测，从而确定游船周围的水面是否存在人员，游船周围的水面存在人员，则该人员确定为入水人员。
46.在一种可能的实施例中，可以通过设置在游船上的图像监控设备对游船上的人员进行跟踪检测，根据跟踪检测结果来确定是否存在入水人员。
47.需要说明的是，上述游船为中小型游船，游船承载游客在10人以下，便于捕捉船体的抖动信息。
48.上述入水视频可以是在检测到入水人员时的前一段时间的视频，比如，可以是检测到入水人员时的前30秒视频。
49.上述入水视频可以通过设置在游船上的图像监控设备来得到，图像监控设备可以将采集到的视频进行存储，在检测到入水人员时，根据检测到入水人员的时间，在存储好的视频中查找前一段时间的视频，从而得到入水人员的入水视频。
50.上述船身抖动信息可以通过设置在船身上的传感器进行获取，上述加速度传感器，上述加速度传感器的采样率与上述图像监控设备的采样率相同。可以对一段时间内的传感器数据进行存储，在检测到入水人员时，根据检测到入水人员的时间，在存储好的传感器数据中查找前一段时间的传感器数据，从而得到对应的船身抖动信息。
51.102、根据入水视频以及船身抖动信息，确定入水人员是否为掉水人员。
52.在本发明实施例中，上述入水视频中记录了入水人员入水时的视觉信息，船身抖
动信息记录了入水人员入水时的船身抖动情况。可以理解的，上述入水人员可以是掉水人员或跳水人员。上述掉水人员可以理解为被动入水，比如脚滑掉入水中，上述跳水人员可以理解为主动入水，比如跳到水中游泳。
53.掉水人员和跳水人员在入水前的准备不同、动作行为不同、表情不同。具体来说，跳水人员在跳水前有准备动作，表情正常，船身的抖动符合蓄力类型的抖动，掉水人员则在掉水前无准备动作，表情异常，船身的抖动不符合蓄力类型的抖动。因此，可以通过入水视频中的视觉信息，得到入水人员的准备情况、动作行为、表情等信息，根据船身抖动信息来判断船身抖动是否符合蓄力类型的抖动，从而判断入水人员是否为掉水人员。比如，若准备情况、动作行为、表情等符合跳水人员，且船身抖动符合蓄力类型的抖动，则可以确定入水人员为跳水人员，若准备情况、动作行为、表情等不符合跳水人员，且船身抖动不符合蓄力类型的抖动，则可以确定入水人员为掉水人员。
54.103、若确定出入水人员为掉水人员，则向相关管理部门进行提示。
55.在本发明实施例中，在确定出入水人员为掉水人员后，可以向相关管理部门进行提示，以使相关管理部门对掉水人员作出施救行为。同时，若景区内禁止游泳，则确定出入水人员为跳水人员后，也可以向相关管理部门进行提示，以使相关管理部门对跳水人员作出警告行为。
56.本发明实施例中，检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。通过入水人员的入水视频以及船身抖动信息来结合确定入水人员是否为掉水人员，由于跳水以及掉水对于船身造成的抖动情况是不同的，因此，能够在入水视频的基础上，结合船身抖动信息来更准确地确定是否为掉水人员。同时，能够自动将掉水人员向相关管理部门进行提示，提高相关管理部门对于景区的管理效率。
57.可选的，在检测到入水人员时，获取入水人员的入水视频以及船身抖动信息的步骤之前，还可以对游船上的人员进行视觉跟踪，得到被跟踪人员的跟踪轨迹；若跟踪轨迹的最新位置位于预设的船体区域之外，则确定跟踪轨迹对应的被跟踪人员为入水人员。
58.在本发明实施例中，可以通过图像监控设备对游船的表面进行监控，上述图像监控设备可以设置在船顶的全景监控设备，也可以是多个图像监控设备用于监控不同方位的游船表面。
59.通过图像监控设备，可以得到游船表面的监控图像，通过目标检测算法检测游船表面是否存在人员，若存在人员，则将该人员确定为被跟踪人员，通过视频跟踪算法对被跟踪人员进行视觉跟踪，得到被跟踪人员的跟踪轨迹。
60.通过图像分割算法，对监控图像中的帧图像进行图像分割，进而分割得到游船的船体区域和水面区域。在确定好船体区域后，判断被跟踪人员对应的跟踪轨迹的最新位置位于是否位于船体区域，若位于船体区域则继续对被跟踪人员进行视觉跟踪，若位于船体区域之外(即位于水面区域)，则确定该被跟踪人员为入水人员。
61.通过被跟踪人员的跟踪轨迹与船体区域的位置关系来确定被跟踪人员为入水人员，可以确定入水人员是从游船上入水的。
62.可选的，在检测到入水人员时，获取入水人员的入水视频以及船身抖动信息的步
骤中，还可以根据跟踪轨迹以及船体区域，确定采样时间；根据采样时间确定入水人员的入水视频，以及根据采样时间确定船身抖动信息。
63.在本发明实施例中，当跟踪轨迹的最新位置位于船体区域之外时，跟踪轨迹与船体区域边界存在交点，以交点向船体区域内延伸预设距离的轨迹长度来确定采样起始时间，以检测到入水人员的时间为采样终止时间，根据采样起始时间和采样终止时间来确定采样时间。比如，以交点向船体区域内延伸1米的轨迹长度，可以将这段延伸轨迹的最早时间作为采样起始时间。
64.在确定采样时间后，根据采样时间在存储的监控视频中找到入水人员的跟踪视频，在入水人员的跟踪视频中截取与采样时间对应的视频片段作为入水人员的入水视频。根据采样时间在存储的传感器数据中截取与采样时间对应的传感器数据作为船身抖动信息。
65.可选的，在根据入水视频以及船身抖动信息，确定入水人员是否为掉水人员的步骤中，可以对入水视频中每一帧图像进行状态识别，得到入水人员的入水状态序列；根据船身抖动信息确定船身抖动序列；根据入水状态序列以及船身抖动序列，确定入水人员是否为掉水人员。
66.在本发明实施例中，入水视频中包括多帧图像，每帧图像都对应入水人员的一种状态，放水视频对应入水人员从船上到水入中的连续状态。可以理解的是，跳水人员的连续状态与掉水人员的连续状态是不同的。掉水人员对应的入水状态序列与跳水人员对应的放水状态序列是不相同的，因此，可以根据入水人员的入水状态序列，判断入水人员为掉水人员或者跳水人员。
67.船身抖动信息包括船身的抖动值，船身抖动序列表示连续的船身抖动值，抖动值受游船发动机、水面波浪、人员活动影响，其中，游船发动机是一个持续线性的影响，水面波浪是一个周期性的影响，而人员活动的影响则与人员数量以及人员动作相关，由于掉水人员与跳水人员在离开船体的姿态动作不同，因此，会造成不同的抖动值分布，比如跳水人员在跳水前会有准备动作，而掉水人员没有准备动作，上述准备动作可以包括热身、蓄力起跳等。因此，可以根据船身抖动序列来判断入水人员为掉水人员或者跳水人员。
68.具体的，由于跳水的准备动作具有一定的趋同性，而掉水的动作具有更多的随机性，因此，可以根据不同的准备动作，预先确定几条跳水人员的参考入水状态序列以及对应的参考船身抖动序列，将入水人员的入水状态序列与参考入水状态序列进行比对，将船身抖动序列与参考船身抖动序列进行比对，若比对成功，则可以确定入水人员为跳水人员，若比对失败，则可以确定入水人员为掉水人员。
69.可选的，在对入水视频中每一帧图像进行状态识别，得到入水人员的入水状态序列的步骤中，可以对入水视频中每一帧图像进行着装识别，得到入水人员的着装状态序列；对入水视频中每一帧图像进行动作识别，得到入水人员的动作状态序列；对入水视频中每一帧图像进行表情识别，得到入水人员的表情状态序列；基于着装状态序列、动作状态序列以及表情状态序列，确定入水人员的入水状态序列。
70.在本发明实施例中，上述着装识别结果包括着装状态，着装状态包括有着装状态与无着装状态，上述有着装状态指的是穿着正常上衣，上述无着装状态指的是未穿着上衣或穿着泳衣。可以通过着装识别算法对入水视频中每一帧图像进行着装识别，识别入水人
员在入水前后的着装状态。一般来说，跳水人员在跳水前是处于无着装状态，掉水人员在掉水前是处于有着装状态。将每一帧图像对应的着装状态按帧图像的顺序进行排列，得到着装状态序列。
71.上述动作识别结果包括动作状态，动作状态包括准备动作状态和异常动作状态，其中，准备动作状态指的是符合跳水准备的动作状态，异常动作状态指的是不符合跳水准备的动作状态。可以通过动作识别算法对入水视频中每一帧图像进行动作识别，识别入水人员在入水前后的动作状态。一般来说，跳水人员的在跳水前是处于准备动作状态，掉水人员在掉水前是处于异常动作状态。将每一帧图像对应的动作状态按帧图像的顺序进行排列，得到动作状态序列。
72.上述表情识别结果包括表情状态，表情状态包括正常表情状态和异常表情状态，其中，正常表情状态可以是中性表情和正面表情，比如无表情、微笑等，异常表情状态可以是负面表情，比如惊恐、慌张等。将每一帧图像对应的表情状态按帧图像的顺序进行排列，得到表情状态序列。
73.在得到着装状态序列、动作状态序列以及表情状态序列后，可以将着装状态序列、动作状态序列以及表情状态序列进行融合，得到入水状态序列。
74.可选的，在根据入水状态序列以及船身抖动序列，确定入水人员是否为掉水人员的步骤中，可以将入水状态序列与船身抖动序列进行融合，得到融合序列；基于融合序列，确定入水人员是否为掉水人员。
75.在本发明实施例中，可以将入水状态序列与船身抖动序列进行线性融合，具体的，入水状态序列an包含n个状态值，是一个n
×
1的一维矩阵，船身抖动序列bn包含n个抖动值，也是一个n
×
1的一维矩阵，可以将入水状态序列an和船身抖动序列bn按通道进行拼接，得到n
×
2的二维矩阵，通过一个2
×
1的矩阵对n
×
2的二维矩阵进行矩阵乘法计算，由n
×
2*2
×
1矩阵乘法计算规则可以得到一个n
×
1的一维矩阵，将计算得到的n
×
1的一维矩阵作为融合序列。
76.得到融合序列后，可以通过一个分类网络对融合序列进行分类，分类结果包括掉水人员和非掉水人员，上述非掉水人员为跳水人员。上述分类网络可以是基于循环神经网络rnn或长短期记忆网络lstm等可以处理时序的网络。
77.当然，由于非掉水人员一般为跳水人员，且由于跳水的准备动作具有一定的趋同性，而掉水的动作具有更多的随机性，因此，可以根据不同的准备动作，预先确定几条跳水人员的参考融合状态序列，将入水人员的频域特征与参考融合序列进行比对，若比对成功，则可以确定入水人员为跳水人员，若比对失败，则可以确定入水人员为掉水人员。
78.可选的，在基于所述融合序列，确定所述入水人员是否为掉水人员的步骤中，可以将融合序列由时域变换到频域，得到融合序列的频域特征；根据频域特征与预设的参考频域特征进行比对；若比对成功，则确定入水人员为非掉水人员；若比对失败，则确定入水人员为掉水人员。
79.在本发明实施例中，上述融合序列是由多个复杂序列融合得到，其中包含了较多维度的变化，可以将融合序列看成是多个信号的波型融合，从而可以将融合序列变换到频域，得到融合序列的频域特征，频域特征表示融合序列中各个信号的频率分量。可以预先确定几个跳水人员的参考频域特征，将入水人员的频域特征与参考频域特征进行比对，若比
对成功，则可以确定入水人员为跳水人员，若比对失败，则可以确定入水人员为掉水人员。
80.需要说明的是，本发明实施例提供的人员掉水监测方法可以应用于可以进行人员掉水监测方法的智能摄像头、智能手机、电脑、服务器等设备。
81.可选的，请参见图2，图2是本发明实施例提供的一种人员掉水监测装置的结构示意图，如图2所示，所述装置包括：
82.获取模块201，用于检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；
83.第一确定模块202，用于根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；
84.第二确定模块203，用于若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。
85.可选的，所述装置还包括：
86.跟踪模块，用于对游船上的人员进行视觉跟踪，得到被跟踪人员的跟踪轨迹；
87.第三确定模块，用于若所述跟踪轨迹的最新位置位于预设的船体区域之外，则确定所述跟踪轨迹对应的被跟踪人员为入水人员。
88.可选的，所述获取模块201，包括：
89.第一确定子模块，用于根据所述跟踪轨迹以及所述船体区域，确定采样时间；
90.第二确定子模块，用于根据所述采样时间确定所述入水人员的入水视频，以及根据所述采样时间确定所述船身抖动信息。
91.可选的，所述第一确定模块202，包括：
92.识别子模块，用于对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序列；
93.第三确定子模块，用于根据所述船身抖动信息确定船身抖动序列；
94.第四确定子模块，用于根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员。
95.可选的，所述识别子模块，包括：
96.第一识别单元，用于对所述入水视频中每一帧图像进行着装识别，得到所述入水人员的着装状态序列；
97.第二识别单元，用于对所述入水视频中每一帧图像进行动作识别，得到所述入水人员的动作状态序列；
98.第三识别单元，用于对所述入水视频中每一帧图像进行表情识别，得到所述入水人员的表情状态序列；
99.第一确定单元，用于基于所述着装状态序列、所述动作状态序列以及所述表情状态序列，确定所述入水人员的入水状态序列。
100.可选的，所述第四确定子模块，包括：
101.融合单元，用于将所述入水状态序列与所述船身抖动序列进行融合，得到融合序列；
102.第二确定单元，用于基于所述融合序列，确定所述入水人员是否为掉水人员。
103.可选的，所述第二确定单元，包括：
104.变换子单元，用于将所述融合序列由时域变换到频域，得到所述融合序列的频域特征；
105.比对子单元，用于根据所述频域特征与预设的参考频域特征进行比对；
106.第一确定子单元，用于若比对成功，则确定所述入水人员为非掉水人员；
107.第二确定子单元，用于若比对失败，则确定所述入水人员为掉水人员。
108.需要说明的是，本发明实施例提供的人员掉水监测装置可以应用于可以进行人员掉水监测方法的智能摄像头、智能手机、电脑、服务器等设备。
109.本发明实施例提供的人员掉水监测装置能够实现上述方法实施例中人员掉水监测方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
110.参见图3，图3是本发明实施例提供的一种电子设备的结构示意图，如图3所示，包括：存储器302、处理器301及存储在所述存储器302上并可在所述处理器301上运行的人员掉水监测方法的计算机程序，其中：
111.处理器301用于调用存储器302存储的计算机程序，执行如下步骤：
112.检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；
113.根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；
114.若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。
115.可选的，在所述检测到入水人员时，获取入水人员的入水视频以及船身抖动信息之前，处理器301执行的所述方法还包括：
116.对游船上的人员进行视觉跟踪，得到被跟踪人员的跟踪轨迹；
117.若所述跟踪轨迹的最新位置位于预设的船体区域之外，则确定所述跟踪轨迹对应的被跟踪人员为入水人员。
118.可选的，处理器301执行的所述检测到入水人员时，获取入水人员的入水视频以及船身抖动信息，包括：
119.根据所述跟踪轨迹以及所述船体区域，确定采样时间；
120.根据所述采样时间确定所述入水人员的入水视频，以及根据所述采样时间确定所述船身抖动信息。
121.可选的，处理器301执行的所述根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员，包括：
122.对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序列；
123.根据所述船身抖动信息确定船身抖动序列；
124.根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员。
125.可选的，处理器301执行的所述对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序列，包括：
126.对所述入水视频中每一帧图像进行着装识别，得到所述入水人员的着装状态序列；
127.对所述入水视频中每一帧图像进行动作识别，得到所述入水人员的动作状态序列；
128.对所述入水视频中每一帧图像进行表情识别，得到所述入水人员的表情状态序列；
129.基于所述着装状态序列、所述动作状态序列以及所述表情状态序列，确定所述入水人员的入水状态序列。
130.可选的，处理器301执行的所述根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员，包括：
131.将所述入水状态序列与所述船身抖动序列进行融合，得到融合序列；
132.基于所述融合序列，确定所述入水人员是否为掉水人员。
133.可选的，处理器301执行的所述基于所述融合序列，确定所述入水人员是否为掉水人员，包括：
134.将所述融合序列由时域变换到频域，得到所述融合序列的频域特征；
135.根据所述频域特征与预设的参考频域特征进行比对；
136.若比对成功，则确定所述入水人员为非掉水人员；
137.若比对失败，则确定所述入水人员为掉水人员。
138.本发明实施例提供的电子设备能够实现上述方法实施例中人员掉水监测方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
139.本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的人员掉水监测方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
140.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only nenory，ron)或随机存取存储器(randon access nenory，简称ran)等。
141.以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

技术特征：
1.一种人员掉水监测方法，其特征在于，用于游船上的人员掉水监测，包括以下步骤：检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。2.如权利要求1所述的人员掉水监测方法，其特征在于，在所述检测到入水人员时，获取入水人员的入水视频以及船身抖动信息之前，所述方法还包括：对游船上的人员进行视觉跟踪，得到被跟踪人员的跟踪轨迹；若所述跟踪轨迹的最新位置位于预设的船体区域之外，则确定所述跟踪轨迹对应的被跟踪人员为入水人员。3.如权利要求2所述的人员掉水监测方法，其特征在于，所述检测到入水人员时，获取入水人员的入水视频以及船身抖动信息，包括：根据所述跟踪轨迹以及所述船体区域，确定采样时间；根据所述采样时间确定所述入水人员的入水视频，以及根据所述采样时间确定所述船身抖动信息。4.如权利要求3所述的人员掉水监测方法，其特征在于，所述根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员，包括：对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序列；根据所述船身抖动信息确定船身抖动序列；根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员。5.如权利要求4所述的人员掉水监测方法，其特征在于，所述对所述入水视频中每一帧图像进行状态识别，得到所述入水人员的入水状态序列，包括：对所述入水视频中每一帧图像进行着装识别，得到所述入水人员的着装状态序列；对所述入水视频中每一帧图像进行动作识别，得到所述入水人员的动作状态序列；对所述入水视频中每一帧图像进行表情识别，得到所述入水人员的表情状态序列；基于所述着装状态序列、所述动作状态序列以及所述表情状态序列，确定所述入水人员的入水状态序列。6.如权利要求5所述的人员掉水监测方法，其特征在于，所述根据所述入水状态序列以及所述船身抖动序列，确定所述入水人员是否为掉水人员，包括：将所述入水状态序列与所述船身抖动序列进行融合，得到融合序列；基于所述融合序列，确定所述入水人员是否为掉水人员。7.如权利要求6所述的人员掉水监测方法，其特征在于，所述基于所述融合序列，确定所述入水人员是否为掉水人员，包括：将所述融合序列由时域变换到频域，得到所述融合序列的频域特征；根据所述频域特征与预设的参考频域特征进行比对；若比对成功，则确定所述入水人员为非掉水人员；若比对失败，则确定所述入水人员为掉水人员。8.一种人员掉水监测装置，其特征在于，所述装置包括：获取模块，用于检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；第一确定模块，用于根据所述入水视频以及所述船身抖动信息，确定所述入水人员是
否为掉水人员；第二确定模块，用于若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的人员掉水监测方法中的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的人员掉水监测方法中的步骤。

技术总结
本发明实施例提供一种人员掉水监测方法，检测到入水人员时，获取入水人员的入水视频以及船身抖动信息；根据所述入水视频以及所述船身抖动信息，确定所述入水人员是否为掉水人员；若确定出所述入水人员为掉水人员，则向相关管理部门进行提示。通过入水人员的入水视频以及船身抖动信息来结合确定入水人员是否为掉水人员，由于跳水以及掉水对于船身造成的抖动情况是不同的，因此，能够在入水视频的基础上，结合船身抖动信息来更准确地确定是否为掉水人员。同时，能够自动将掉水人员向相关管理部门进行提示，提高相关管理部门对于景区的管理效率。理效率。理效率。


技术研发人员：邹博 高立娅 陈相睿 罗泽漩
受保护的技术使用者：深圳云天励飞技术股份有限公司
技术研发日：2022.12.29
技术公布日：2023/5/30